top of page

Runway Praxis-1 開放權重採用 Apache 2.0,惟受硬件限制

4 日前
讀畢需時 11 分鐘

Runway 於 11 月 11 日以 Apache 2.0 授權釋出其 27B Praxis-1 機械人模型,在開放存取的同時,仍留下大量硬件適配工作。Runway Praxis-1 開放權重版本讓開發者可取得模型參數,即決定其行為的學習數值。這並不代表每款獲支援的機械人都已成為可隨時部署的產品。

這項區別相當重要,因為研究人員及硬件公司如今可在供應商示範以外評估該模型。他們可以檢視其實作、調整其行為,並研究其失效之處。即使尚未有人證實它在 Runway 報告測試以外的環境能否穩定運作,這些自由度已令此次釋出別具意義。

競爭參考數據令人鼓舞,但其涵蓋範圍較聲稱全面領先為窄。Runway 報告指出,該模型在 NVIDIA 的 RoboLab-120 模擬基準測試中錄得 46.2% 成功率,領先 FLUX 3 Action、Cosmos3 Nano 及 π0.5。其技術報告亦列出來自其他類別、得分更高的四個項目。核心問題在於,從取得一個有能力的模型,到能可靠控制某部特定機器,中間仍相隔多少工作。

Runway Praxis-1 開放權重將存取範圍擴展至啟動合作夥伴以外

眼前的改變,是誰能夠研究及調整模型,而非保證它可在陌生硬件上運作。

Runway 的開放權重機械人版本接續其於 9 月推出 Praxis-1。該公司表示,早期合作夥伴包括 Noble Machines、Standard Bots 及 Ultra。其機器涵蓋有腿人形機械人、工業機械臂,以及配備雙臂的倉儲機械人。

據 Runway 表示,該版本包括用於推理的權重及程式碼,即運行已訓練模型以產生預測;亦包括微調程式碼,即利用額外訓練資料調整既有模型。Runway 明確表示,此套件可根據 Apache 2.0 作商業用途。

這改變了機械人開發者與模型供應商之間的關係。示範要求開發者判斷由供應商選定的結果;可取得的實作則讓他們研究該結果背後的條件。

對硬件團隊而言,這提供空間去提出更有用的問題。模型有否正確識別目標物件?改變攝影機位置會否影響其行為?額外訓練能否處理反覆出現的失敗,同時不損害其他範疇的表現?

模型擁有開放權重,並不會令這些問題消失。它們會變成開發者可直接研究的問題,前提是具備進行實驗所需的資源及專業知識。

此次釋出亦令比較更具可操作性。評估競爭方案的團隊可檢驗表現差異,在其自身物件、指令及操作環境下是否仍然存在。相較假定已發表排名會原封不動地轉移,這對採購決策更有用。

不過,對現時可用性的描述值得審慎措辭。文件及整合方式可能在公布後改變。評估當前套件的開發者,應記錄所測試的具體模型版本及軟件配置。否則,日後的改良可能會與原始版本實際提供的內容混為一談。

因此,Runway Praxis-1 開放權重版本為實驗建立更廣泛的起點。這個起點能否轉化為營運優勢,取決於外部團隊能否重現、調整及維護。

這也是為何「人人可用」需要語境。可用性可以指使用模型的許可、取得其檔案的途徑,或實際運行它的能力。這些條件彼此相關,但各自回答不同問題。

寬鬆授權處理了一項重要障礙,卻不會提供仍為可運作系統所需的機械人、訓練範例、運算能力或部署判斷。

Apache 2.0 擴大再利用範圍,但不會消除存取條件

重用權重的許可,與取得權重的流程,是此版本相互獨立的部分。

Apache 2.0 授權在遵守條款的前提下,授予廣泛的再利用及分發權利。它包括有關聲明及修改檔案的義務,亦不為作品提供一般性保證。

對機械人公司而言,廣為認識的授權可令初步技術評估更容易安排。工程及法務團隊有一份具體文件可供審閱,並能在投入大量開發資源前,把許可問題與效能問題區分開來。

這種清晰度很重要,因為實驗可發展為產品。團隊需要了解能否修改某個元件、分發其改動,及將其納入商業系統。這些決定應與工程評估同步進行,而非在成功示範後才出現。

儘管如此,目前的 Hugging Face 儲存庫設有存取閘門。用戶必須接受條件,並同意分享其 Hugging Face 資訊,方可取得檔案。因此,公開可讀的模型頁面,並不等同可匿名取得底層套件。

這並不抹煞 Apache 2.0 的意義,而是表示此版本同時涉及授權條款及分發流程。若報道只提及其中一項,讀者便無法完整了解取得模型所涉事項。

模型卡亦標示另一條界線:獨立分發的依賴項目各有其授權。這包括 Wan2.2 VAE——一個壓縮及重建影片的元件——以及 Qwen3.5-2B 文字編碼器,後者把語言轉換為模型可讀的表徵。

實際含義很直接。公司應評估其實際部署的元件,而非把標題中的授權視為所有依賴項目的描述。

當產品納入來自多個來源的修改時,這項工作變得更重要。團隊需要知道自己改動了哪些檔案、哪些元件是獨立取得,以及分發時附帶哪些聲明。當實驗走向客戶部署,清晰紀錄可減少不確定性。

同樣的嚴謹亦適用於技術聲稱。授權相容性並不代表適合實際運作。某個元件可合法重用,卻仍可能不適合特定任務、環境或回應時間要求。

因此,對買家而言,有用的問題不僅是 Praxis-1 是否「開放」。他們應詢問可取得甚麼、可修改甚麼,以及供應商會提供甚麼支援;亦應詢問初次整合後由誰維護經調整的系統。

當這些答案未如理想時,開放權重為買家提供額外選擇,但不會自動提供替代的工程團隊或維護計劃。

這正是該公告背後的取捨。Runway 降低一項存取門檻,同時把重要實作選擇轉移予使用該版本的機構。

影片預測為開發者提供不同的起點

Praxis-1 把預測的視覺結果與機械人動作連結起來,但這種連結仍須配合實體機器。

Runway 將 Praxis-1 描述為 mixture-of-experts diffusion transformer,即結合專門網絡與迭代預測流程的架構。其核心方法是同時預測影片及動作。

在其影片至控制研究中,Runway 描述了一個配對動作專家的影片骨幹網絡。骨幹網絡預測場景的演變;動作專家則利用其內部特徵產生動作。

Runway 的論點是,一般影片可提供有關物件、移動及任務如何展開的有用資訊。該公司將這些知識定位為把模型調整至機械人控制的基礎。

這種吸引力不難理解。開發者自然更願意以有用的已學習表徵為起點,而非從頭重建每一種視覺及物理關聯。不過,有用的先驗知識並不能消除觀看動作與執行動作之間的差異。

試想辨認一次成功放置,與指令夾爪完成該動作之間的差別。預期結果在視覺上可能十分清晰;實際達成仍取決於機器的幾何結構、可用移動範圍、觀測方式及控制介面。

這令模型架構與版本的核心張力息息相關。共享知識可減少開始所需的工作;針對機器的介面及訓練,則決定該知識能否轉化為可用行為。

因此,競爭比較所涉及的是控制方法,而非公司名稱之間的簡單競賽。團隊可評估聯合影片及動作預測是否有助於其任務,也可研究失敗究竟源於視覺理解還是動作生成。

這些區別在決定改進方向時很重要。更多任務範例未必能修正不匹配的介面;修正介面亦未必能解決含糊指令或陌生物件的問題。

此架構亦創造更具資訊量評估的機會。開發者可比較預期的視覺結果與機械人實際行為。兩者不一致可成為研究起點,儘管未必會自動指出根本原因。

這是分析機會,並非部署保證。看似合理的預測場景,無法證明實體動作會安全或成功。開發者仍需要來自實際系統的觀測結果。

對硬件供應商而言,壓力來自一個新近可取得的替代起點。他們必須說明,其自身方案是否能提供更佳適配性、更可預測的操作,或更強的客戶環境支援。

對模型供應商而言,壓力則轉向證據。可取得的實作邀請外部團隊在供應商未選定的條件下測試其聲稱。

這使可重現性尤其重要。清楚交代哪一個模型、訓練程序及機械人配置產生某項結果,有助其他人判斷該方法是否切合其需要。

新聞價值不在於影片預測已解決機械人控制,而在於開發者如今有另一個具體實作可供檢視,以回答這個問題。

基礎檢查點是適配的起點

通用基礎模型未經額外工作,無法作為機械人策略運行。

策略是把觀測及指令映射為動作的元件。Runway 的基礎檢查點明確表示,它缺乏可在不經修改下作為策略運行所需、針對機械人的動作頭。

動作頭會把共享模型表徵轉換為某部特定機器的輸出。Runway 指引開發者初始化相關元件,並為其裝置微調模型。

該卡片描述了涵蓋 18 種具身形態的訓練,即不同的機械人或人類配置。這種廣度為模型預期的適應能力提供了背景資訊,但並不代表一部陌生機器毋須自訂,就能使用基礎檢查點。

這個分別應影響企業如何描述自身的實驗。下載基礎模型是取得模型的里程碑;為特定機械人產生有效輸出,是整合的里程碑;可靠地完成任務,則是評估的里程碑。

把這些里程碑混為一談,會令進度難以評估。一個團隊可以有能運作的軟件,卻仍未擁有實用的控制器;它亦可能完成某個指定任務,但仍未準備好面對日常變化。

DROID robot policy 的定位更具體。Runway 將其描述為針對單一 Franka 機械臂及 Robotiq 夾爪調整的模型。其文件列出的觀測資料包括外部鏡頭和腕部鏡頭。

目前的卡片列出模型權重為 54.4 GB,並指明推論需要一張 80 GB GPU。卡片描述系統以 15 Hz 控制,並使用 24 步動作區塊,即一次生成的一連串指令。

這些細節為開發者提供具體的參考配置,也說明為何「可在我的硬件上運行」需要比點名某款圖像處理器或機械人品牌更精確的說法。

即使機器相符,仍需要提供預期的觀測資料和動作慣例。鏡頭位置或座標解讀的差異,都可能影響模型接收甚麼資料,以及其輸出代表甚麼意思。

對買方而言,這令適配責任成為採購時的核心問題。誰提供訓練資料?誰驗證動作介面?環境改變後發生故障時,誰負責調查?

開放模型不會代整合商回答這些問題。它只會讓整合商對答案擁有更多控制權。

團隊亦應保留配置選擇背後的理據。可搜尋的工程知識庫可將模型文件、實驗紀錄和整合決策連結起來。

當看似模型有所改進,實際上卻涉及鏡頭、指令或評估設置的改變時,這些紀錄便會發揮作用。沒有配置歷史,團隊便有可能將進展歸因於錯誤的原因。

更廣泛的含義是,適配工作仍然是產品的一部分。它應出現在項目規劃和供應商討論中,而不應被視為下載權重後的附帶步驟。

Praxis-1 為這項工作提供基礎。最終系統的質素,取決於這個基礎如何審慎地連接至特定機器和運作任務。

基準測試領先有其明確範圍

Runway 所報告的類別領先,不應被描述為整個排行榜的第一名。

該公司 11 月的比較結果顯示,Praxis-1 為 46.2%、FLUX 3 Action 為 42.9%、Cosmos3 Nano 為 36.8%,而 π0.5 為 28.0%。這些是橫跨 1,200 次測試回合的所報告成功率。

Runway 稱 Praxis-1 為領先的世界動作模型,並表示它超越了開放權重的視覺—語言—動作模型;這類模型會把視覺和語言輸入連結至動作。其技術報告指出,整體排名中有四個項目位於其前。

這項限定改變了讀者應從標題得出的結論。所報告的結果支持其在既定比較範圍內具競爭力,卻不支持 Praxis-1 領先所有機械人技術路線這種不受限制的說法。

RoboLab benchmark 論文亦說明該評估旨在檢驗甚麼。作者描述了 120 項任務,涵蓋視覺、程序和關係能力,並強調受控變化,以及理解泛化能力的挑戰。

這個範圍令基準測試具備價值。受控比較可揭示精選示範會掩蓋的差異,亦可協助研究人員調查哪些環境變化會影響表現。

然而,基準測試有用,不代表其綜合分數可作為普遍適用的部署預測。買方的任務分布可能與基準測試不同,失敗嘗試的後果亦可能不同。

研究評估或會計算任務是否到達指定終點;實際運作評估還必須考慮中斷、復原、監督,以及附近設備的狀況。

這些是分析上的區分,並非證據顯示 Praxis-1 在某個特定工作場所表現不佳。現有分數只是無法回答部署所提出的每一個問題。

DROID 卡片提供另一項量度:在其提示遵循評估中,完整遵循率為 52.5%。它報告的 95% 置信區間為 35.8% 至 68.3%。

置信區間描述估計值周邊的統計不確定性。這個寬闊範圍,是不應把結果視為已精確確立的效能水平的理由。

不應把它與 RoboLab 的數字合併,彷彿兩者量度同一件事。不同任務、成功定義和評估條件,可能產生回答不同問題的數字。

對競爭對手而言,這為超越單一排名的有意義比較創造空間。即使某模型的綜合分數較低,仍可能值得就買方的特定任務加以考慮。要確立這一點,需要匹配的評估,而非選擇性使用有利數字。

對 Runway 而言,獨立重現結果,比反覆引用同一個由供應商報告的結果,更能加強這次發布的說服力。外部測試可揭示所報告的優勢,能否在不同實作和一般環境變化下維持。

適當的解讀既非否定,也非全面背書。Runway 已發布一項值得調查的結果,同時附有足夠的限定,令該結果的邊界同樣重要。

留意重現、適配和部署證據

下一批有用證據,將展示外部團隊能夠重現、轉移及穩定運作的內容。

第一個訊號是獨立重現所報告的基準測試行為。應留意列明檢查點、軟件版本、任務協定和失敗嘗試的評估。

若能接近重現,將加強外界對已發布結果可超越原始實作而轉移的信心。若出現顯著落差,便需要先行調查,才可將其歸因於模型本身。

配置差異是出現分歧的合理解釋,評估程序的差異亦然。透明報告令這些可能性更容易區分。

第二個訊號是對額外硬件的適配紀錄。有用的證據包括開發者改變了甚麼、需要甚麼資料,以及如何評估經適配的系統。

單一成功示範無法清楚交代適配負擔。詳細說明則可展示,另一團隊是否有實際可行的起點,還是面對大量自訂工程工作。

尤其應留意能區分既有能力與額外訓練期間學得能力的報告。這個區分有助買方理解通用模型帶來甚麼貢獻。

第三個訊號是超越精選成功案例的營運證據。應留意重複運行、清楚描述的介入,以及系統在嘗試出錯時如何表現的紀錄。

這些證據將加強「可取得的權重可支援實用產品」的論點。若系統持續依賴狹窄設置,則整合服務和專門控制系統的價值會更高。

這些訊號亦說明誰正面對即時壓力。硬件公司需要清楚說明其適配優勢;模型開發者需要能經得起外部測試的比較;買方則需要與其實際工作相關的證據。

Runway Praxis-1 開放權重公告,為這些群體提供一個具體套件以供評估。它並未解決各自不同的要求,亦未建立共同的準備就緒定義。

隨着這次發布發展,這個區分應保持清晰。更佳的存取方式令調查成為可能;更佳的證據則決定機構應否擴大實驗、修訂做法,或選擇另一套系統。

在把 Runway Praxis-1 開放權重視為部署決策前,應將其與機構實際需要完成的特定任務作比較。先從已記錄的硬件假設和評估中的成功定義開始,然後檢視獨立結果、適配報告和失敗運行的紀錄。每項結論都應附上已測試的版本和配置。若你的興趣在於研究,應優先進行可揭示行為為何會隨條件改變而變化的實驗。若你正採購可運作的系統,應要求供應商說明整合責任、監督要求和復原行為。把這次發布與其模型卡一併閱讀,然後決定甚麼證據足以支持你的下一步。哪一項結果最能改變你的決策:可重現的效能、更容易的硬件適配,還是更可靠的運作?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page