Praxis-1 از Runway باز شد؛ مدل ویدیویی که ربات را کنترل می‌کند

Runway مدل Praxis-1 را با وزن و کد باز منتشر کرد: مدلی که از روی پیش‌بینی صحنه، حرکت ربات را درمی‌آورد. نتیجه‌ها و محدودیت‌ها.

Praxis-1 از Runway باز شد؛ مدل ویدیویی که ربات را کنترل می‌کند

شرکت Runway، که بیشتر به‌خاطر ویدیوسازی هوش مصنوعی شناخته می‌شود، مدل کنترل ربات خود به نام Praxis-1 را با وزن‌های باز و کد منبع منتشر کرده است. به گزارش The Decoder این خبر روز شنبه ۲۳ آبان ۱۴۰۵ (۱۴ نوامبر ۲۰۲۶) منتشر شد. مجوز مدل Apache 2.0 است و استفاده‌ی تجاری را اجازه می‌دهد. Praxis-1 پیش‌تر از اواخر شهریور فقط به چند همکار داده شده بود.

Praxis-1 چیست؟

Runway این مدل را «World Action Model» می‌نامد؛ یعنی مدلی که پیش‌بینی می‌کند صحنه چطور تغییر می‌کند و از روی همین پیش‌بینی، حرکت مناسب ربات را درمی‌آورد. ورودی‌هایش تصویر دوربین، دستور متنی و وضعیت بازوی ربات است و با رسیدن هر فریم تازه، کنترل را دوباره تنظیم می‌کند.

ایده این است که مدل ویدیو از تماشای فیلم‌های معمولی یاد گرفته اشیا چطور حرکت می‌کنند. Runway این مدل را بعد با ویدیوی کار آدم‌ها و داده‌ی ربات‌ها آموزش بیشتر داده است. شرکت می‌گوید این راه ممکن است نیاز به داده‌ی مخصوص هر ربات را کم کند، ولی این هنوز ثابت نشده است. اگر با خود Runway آشنا نیستید، مقاله‌ی Runway ML چیست؟ را ببینید.

نتیجه‌ها چقدر خوب است؟

همه‌ی عددهای زیر را خود Runway گفته و مستقل بررسی نشده‌اند.

آزموننتیجه
شبیه‌ساز RoboLab-120 انویدیا۴۶٫۲٪ موفقیت؛ بهترین میان مدل‌های هم‌دسته، با ۴۲٫۹٪ برای رقیب FLUX 3 Action (در کل رتبه‌ی پنجم)
بازوی واقعی Franka۸۸ موفقیت از ۱۰۰ تلاش در ۱۰ کار؛ رقیب ۸۰
ربات متحرک گوگل (نوع RT-1)میانگین ۸۰٪ در شبیه‌ساز بعد از حدود ۹۵ ساعت آموزش؛ RT-1 همان آزمون را ۵۲٫۴٪ گرفت

برای تطبیق با ربات تازه هم داده‌ی زیادی لازم است: حدود ۲۷۷ ساعت داده‌ی عمومی DROID برای بازوی Franka و ۱۴۰۰ تا ۲۶۰۰ ساعت برای ربات دو بازویی.

آزمایش روی ربات واقعی

سه شرکت Standard Bots، Noble Machines و Ultra مدل را روی سه نوع ربات سنجیده‌اند: یک ربات انسان‌نما، یک بازوی صنعتی و یک ربات دو بازویی انبار. این نشان می‌دهد مدل فقط یک ربات را هدف نگرفته، هرچند بدون آموزش بیشتر روی هر ربات جدید کار نمی‌کند.

چطور می‌شود آن را گرفت؟

  • وزن‌ها روی Hugging Face هست و برای دانلود باید ثبت‌نام و شرایط دسترسی را پذیرفت.
  • کد روی GitHub است و نسخه‌های آماده‌ی بعضی ربات‌ها هم هست.
  • نسخه‌ی استاندارد به پردازنده‌ی گرافیکی ۸۰ گیگابایتی نیاز دارد. نسخه‌ی فشرده‌ی آن قرار است روی RTX 5090 با ۳۲ گیگابایت جا شود، ولی بیشینه‌ی مصرف حافظه هنوز اندازه‌گیری نشده.

محدودیت‌ها

Runway خودش می‌گوید مدل گاهی اشیای شبیه هم را اشتباه می‌گیرد، با دستورهای مبهم مشکل دارد و هنوز نمی‌تواند خودش یک کار پیچیده را مرحله‌بندی کند؛ برای کار طولانی باید مراحل را صریح نوشت. Runway مدل را بیشتر «اجراکننده‌ی سریع حرکت» می‌بیند که روزی می‌تواند کنار مدل‌های همه‌کاره‌ای باشد که کار بزرگ را به مرحله‌ها می‌شکنند.

چرا این خبر مهم است؟

شرکت‌های ویدیو و شرکت‌های رباتیک دارند به هم نزدیک می‌شوند. مدل‌هایی که یاد گرفته‌اند «دنیا چطور حرکت می‌کند» می‌توانند هم ویدیو بسازند و هم ربات را هدایت کنند. فعلا این کار بیشتر پژوهشی است و از اپلیکیشن‌های روزمره دور. دیپ‌مایند هم با Gemini Robotics 2.5 به همین میدان رفته و Pika H3 Flex نشان داد مدل‌های ویدیوی باز دارند سریع‌تر می‌شوند.

این یعنی چه برای کاربر فارسی‌زبان؟

برای بیشتر خوانندگان، Praxis-1 چیزی نیست که امروز بشود به کار برد؛ سخت‌افزار ۸۰ گیگابایتی و ربات واقعی می‌خواهد. ارزشش برای پژوهشگران، دانشجوهای رباتیک و شرکت‌های سازنده‌ی ربات است که حالا مدلی باز برای آزمایش دارند. اگر فقط می‌خواهید ویدیو بسازید، مدل‌های ویدیوی هوش‌نو در ابزارهای هوش‌نو برای کار روزمره آماده‌اند.

منبع‌ها

سؤالات متداول

Praxis-1 رایگان است؟

وزن‌ها و کد با مجوز Apache 2.0 منتشر شده‌اند و استفاده‌ی تجاری را اجازه می‌دهد. برای دانلود وزن‌ها باید در Hugging Face شرایط را بپذیرید.

آیا Praxis-1 ویدیو می‌سازد؟

نه. این مدل حرکت ربات را کنترل می‌کند، هرچند بر پایه‌ی یک مدل ویدیو ساخته شده است.

روی رایانه‌ی خانگی اجرا می‌شود؟

نسخه‌ی استاندارد پردازنده‌ی گرافیکی ۸۰ گیگابایتی می‌خواهد. نسخه‌ی فشرده قرار است روی RTX 5090 جا شود.

نویسنده نعیم حشم‌بان بنیان‌گذار و سردبیرِ هوش نو

نعیم حشم‌بان بنیان‌گذارِ هوش نو است و هر روز مدل‌های تازه‌ی هوش مصنوعی را امتحان می‌کند تا آموزش و بررسیِ ساده و دقیق به زبانِ فارسی بنویسد.