星动纪元，一家脱胎于清华大学的国家高新技术企业，凭借自研的世界动作模型 VPP2，在全球具身智能领域扔下了一颗深水炸弹。在香港大学 MMLab 主导的 RoboDojo 仿真榜单中，VPP2 综合平均成功率 32.26%、综合平均得分 39.26 分，双双超越 GPT-6-Astra、Physical Intelligence π0.5、英伟达 GR00T-N1.7 等全球头部具身模型。更关键的是，它在真实 ALOHA 双臂机器人上零样本迁移后实现了 58.5% 的成功率——这一数字比 π0.5 高出近 19 个百分点，标志着具身智能「仿真强≠真机强」的铁律正在被改写。
RoboDojo：具身智能的珠穆朗玛峰
RoboDojo 由香港大学 MMLab 牵头、全球近 20 所顶尖学术机构共同建设，是目前具身智能领域最接近真实物理世界复杂度的高仿真基准。测试覆盖 42 项双臂操作任务，从泛化能力、精准操作、长程任务、记忆、开放词汇指令理解五个维度对模型进行系统性评估。值得注意的是，VPP2 并未借助 Agent RSI 等外挂增强策略，也未额外扩充训练数据——这意味着它的领先来自模型本身的泛化能力，而非数据工程的堆砌。
仿真到真机：零样本迁移 58.5% 成功率
团队将 VPP2 部署到真实 ALOHA 双臂机器人，执行抓取、放置、堆叠、折叠、倾倒等 10 类零样本操作任务：平均成功率 58.5%，高于 π0.5 的 40%，且在 10 类任务中拿下 9 类最佳成绩。具体对比中，VPP2 在 RoboDojo 仿真中领先 GPT-6-Astra 达 9.78 个百分点（32.26% vs 22.48%），差距在真实物理世界进一步扩大。
技术路线：视频预测优先，解耦式训练破局
VPP2 的核心突破在于将视频预测能力先练到足够强，再让机器人在陌生环境里真正动起来。这一解耦式训练路线解决了传统世界动作模型（WAM）「视频预测漂亮但动作执行差」的老大难问题。业内评价认为，该路线意味着 VPP2 的基座足够泛化，无需靠数据扩充「刷分」。随着具身智能从仿真向真实物理世界加速落地，VPP2 的技术路径为行业提供了一条可参考的工程化方向。
竞争格局：清华系为何能在具身赛道突围
具身智能领域此前由 Physical Intelligence（π0.5）、英伟达（GR00T-N1.7）、OpenAI（GPT-6-Astra）等头部玩家主导，星动纪元作为清华嫡系创业公司，路径与众不同：与小米 MiMo-V2.6 的端侧 Agent 路线、B站 Index-Translate 的多语言模型路线异曲同工，星动纪元选择了高仿真到真机迁移这一最难的垂直路径。其背后反映的趋势是：中国具身智能正在从跟随走向局部引领。
关键数据对比表
| 模型 | 机构 | RoboDojo仿真成功率 | RoboDojo仿真得分 | 真机零样本成功率 | 数据增强 |
|---|---|---|---|---|---|
| VPP2 | 星动纪元 | 32.26% | 39.26分 | 58.5% | 否 |
| GPT-6-Astra | OpenAI | 22.48% | — | — | — |
| π0.5 | Physical Intelligence | — | — | 40% | — |
| GR00T-N1.7 | 英伟达 | — | — | — | — |
VPP2 在仿真榜单和真机验证两个维度同时取得领先，这在具身智能领域尚属首次。随着 RoboDojo 基准的影响力扩大，VPP2 的评测方法论本身也可能成为行业新标准。
FAQ
星动纪元 VPP2 是什么？
VPP2（Vision-Language-Policy v2）是星动纪元自研的世界动作模型，核心架构基于视频预测优先的解耦式训练路线，旨在让机器人在陌生环境中实现零样本泛化的物理操作能力。
RoboDojo 榜单是什么水平的评测？
RoboDojo 由香港大学 MMLab 牵头、全球近 20 所顶尖学术机构共建，是目前最具影响力的具身智能高仿真基准，包含 42 项双臂操作任务，覆盖泛化、精准操作、长程任务、记忆和开放词汇指令理解五个维度。
58.5% 的真机成功率意味着什么？
在 ALOHA 双臂机器人上实现 58.5% 的零样本成功率，意味着 VPP2 将仿真世界学到的泛化能力有效迁移到了真实物理世界——比当前最有力的竞品 Physical Intelligence π0.5 高出约 19 个百分点，是具身智能从仿真到真实场景落地的重要里程碑。
相关阅读
- 宇树机器人资本狂飙：注册资本从10万增至2510万，增幅250倍
- 小米MiMo-V2.6开源：75万条轨迹练出72分，端侧Agent能力首次系统超越GPT-6
- B站Index-Translate开源：2B/9B/35B三规格，覆盖150种语言超越Google Translate
三阶段训练：先把事件级预测学扎实
公开路线显示，VPP2 的训练被拆成三段。第一阶段做事件级视频继续预训练，让模型学会预测一次完整操作从开始到结束的变化，而不是只猜接下来几帧；第二阶段做固定时长视频后训练与蒸馏，让预测速度跟得上机器人实时执行的节奏；第三阶段才训练动作专家，把视频预测转成具体动作，同时尽量保住前两阶段攒下的泛化能力。
基座用的是阿里开源的 Wan2.1-I2V-14B，训练数据混了机器人操作、人类活动与通用视频，覆盖不同机器人本体与操作方式。团队还会把操作过程切成语义完整的片段再配详细描述，避免出现同一句模糊指令对应无数种动作轨迹的问题。
同场对比里还有一个容易被忽略的数字。在后训练评测口径下，GPT-6-Astra 的平均成功率是 22.48%、平均得分 28.97 分，VPP2 则是 32.26% 与 39.26 分。两个指标口径不同，成功率看任务有没有完整跑完，得分看没能跑完时能推进到哪一步，两项都领先说明它面对做不完的任务也能停在更靠前的中间状态。
相关阅读：MirroS开源AgentGarten：代码+神经渲染，让智能体在物理世界边玩边学
相关阅读：星动纪元VPP2登顶RoboDojo：综合得分39.26分超越GPT-6-Astra
延伸阅读
- 字节Seed发现DeepSeek-V4相位敏感性：同一信息换个位置准确率相差40.2%1 小时前
- 谷歌收紧Gemini免费政策：10月9日起仅保留Flash-Lite，付费分层再拉大2 天前
- 谷歌 Gemini Omni 1.1 Flash 视频模型：4K 输出、单条最长 40 秒，速度提升 60%3 周前
- Google Assistant 谢幕：9 月 29 日起 Gemini 接管安卓语音2 周前