IT之家 Information du 12 novembre : la société américaine d'IA vidéo Runway a annoncé hier (11 novembre) le lancement du modèle robotique Praxis-1, qui applique les connaissances acquises lors du pré-entraînement vidéo au contrôle de robots réels. Le modèle est à poids ouverts, sous licence Apache 2.0, permettant aux développeurs de l'exécuter et de l'affiner sur leur propre matériel.
L'approche de conception de Praxis-1 consiste à faire apprendre d'abord à l'IA, à partir de vidéos ordinaires, comment les objets se déplacent et comment les mains humaines manipulent, puis à utiliser ces connaissances pour l'apprentissage des actions robotiques, afin de répondre au coût élevé de la collecte de données d'entraînement robotique. Lors de l'exécution de tâches, le modèle prédit non seulement à quoi ressemblera la scène ensuite, mais aussi quelles actions sont nécessaires pour obtenir ce résultat.
Ce modèle est construit sur le modèle de fondation vidéo de Runway doté de 27 milliards de paramètres, prend en charge l'exécution locale et propose une version quantifiée NVFP4 pouvant fonctionner sur la carte graphique Nvidia RTX 5090. Les poids du modèle et le code associé sont respectivement publiés sur Hugging Face et GitHub .
Selon les résultats de tests révélés, Praxis-1 a accompli 555 des 1200 scénarios du benchmark RoboLab-120, avec un taux de réussite d'environ 46.2 %, montrant une performance de premier plan dans les catégories modèles d'action du monde et modèles fondamentaux robotiques ouverts. Runway indique que la recherche en est encore à un stade précoce et que les travaux suivants se concentreront sur la planification à long terme, ainsi que sur la capacité du modèle à utiliser ses prédictions pour évaluer et améliorer ses propres actions.
Officiellement, Praxis-1 est nettement supérieur aux bras robotiques laser les plus avancés actuellement, tant en vitesse qu'en coût. Sur la même station de travail et les mêmes tâches,Praxis-1 accomplit les tâches 15.6 fois plus vite qu'un bras robotique propulsé par GPT-6 Astra, et le coût par tâche est 51 fois inférieur.