Runway机器人团队推出Praxis-1,登顶英伟达RoboLab-120排行榜

Runway发布Praxis-1世界动作模型,登顶英伟达RoboLab-120排行榜。
Runway机器人团队发布世界动作模型Praxis-1,并在英伟达RoboLab-120排行榜上位列第一,被称为当前最强的世界动作模型。文章介绍了这类模型端到端学习视觉动态与动作输出的思路,指出Runway可将其视频生成中的时空建模能力迁移到机器人控制。同时提醒排行榜成绩不等于真实世界能力,仿真到现实的鸿沟仍需验证。文章还梳理了世界动作模型的竞争格局与数据瓶颈,并列出技术细节、开源计划和真机演示等有待观察的问题。
Runway 的机器人团队最近交出了一份亮眼的成绩单。其最新发布的 Praxis-1 模型在英伟达的 RoboLab-120 排行榜上位列第一,被团队称为“当前可用的最强世界动作模型”。这条来自社交平台的消息虽然简短,却透露了一个值得关注的信号:通用世界模型与机器人动作控制的融合正在加速。
Praxis-1 是什么?
根据公开信息,Praxis-1 被定位为“世界动作模型”(world action model)。这类模型的核心思路是让 AI 不仅理解视觉世界,还能直接输出物理动作,从而驱动机器人完成复杂任务。与传统的分模块流水线(感知、规划、控制分离)不同,世界动作模型倾向于端到端地学习环境动态与动作后果之间的关系。
Runway 此前以视频生成模型闻名,其技术积累集中在时空建模与视觉表征学习上。机器人团队将这套能力迁移到动作领域,算是顺理成章的一步。Praxis-1 的命名也暗示了从“生成”到“行动”的延伸——模型不再只是预测下一帧画面,而是预测下一步该怎么做。
世界模型(World Model) 是理解 Praxis-1 定位的关键背景。世界模型指 AI 系统在内部构建一个关于环境如何演化的预测性表征,能够根据当前状态和候选动作推测未来观测。经典工作如 Ha & Schmidhuber 的循环世界模型、以及近年基于 Transformer 的视频预测模型,都属此列。世界模型的输出通常是“下一帧画面”或“隐状态”,本身并不直接产生动作。
所谓世界动作模型,可以看作世界模型与策略学习的合流:它在预测环境动态的同时,把动作作为条件或输出变量纳入建模,使模型具备“想象后果—选择动作”的闭环能力。这一思路与 model-based 强化学习中的学习型动力学模型一脉相承,区别在于规模更大、预训练数据更多、表征更依赖视觉。因此,评价这类模型不仅要看预测是否逼真,更要看其动作输出在闭环执行中是否稳定、可泛化。
登顶 RoboLab-120 意味着什么
英伟达的 RoboLab-120 排行榜是机器人学习领域较受关注的基准之一,通常包含多种仿真环境下的操作任务,考察模型在泛化、长程规划和精细控制上的综合表现。能够在该榜单上排名第一,说明 Praxis-1 在标准化的评测任务中具备竞争力。
不过需要理性看待的是,排行榜成绩并不等同于真实世界的落地能力。仿真环境与物理世界之间存在大家都知道的“仿真到现实”鸿沟,光照、材质、摩擦力和传感器噪声的差异都可能让模型表现打折扣。Praxis-1 在榜单上的优势能否转化为实际机器人产品中的稳定表现,还需要更多真实场景的验证。
RoboLab-120 这类机器人学习基准通常基于仿真平台构建,常见底座包括 NVIDIA Isaac Sim、MuJoCo 等。它们的价值在于提供可复现、可大规模并行的标准化任务集,让不同模型在同一条件下比较成功率、泛化性和样本效率。但基准设计本身会引入偏好:任务分布、观测模态、控制频率和评分方式都会影响排名,模型可能对基准的特定设置过拟合。
仿真到现实(sim-to-real)鸿沟 是机器人领域的长期难题。仿真器难以精确复现接触力学、柔性物体形变、传感器噪声和光照变化,策略在仿真中成功率高,迁移到真机后常出现性能骤降。常见的缓解手段包括域随机化、系统辨识和真实数据微调,但都无法完全消除差距。因此,排行榜第一更多说明模型在受控评测中具备竞争力,距离真实场景的鲁棒部署仍有相当距离。
世界动作模型的竞争格局
“世界动作模型”这个概念近期热度上升明显。一批研究团队和公司开始尝试把视频生成、世界模型与机器人控制结合起来,试图用大规模预训练的方式解决机器人数据稀缺的问题。Praxis-1 的出现让 Runway 加入了这一赛道,并且一上来就拿出了榜单成绩。
从技术路线看,这类模型通常依赖海量的人类视频或仿真数据进行预训练,再通过少量机器人示教数据进行微调。优势在于可以利用互联网规模的视觉数据,劣势则在于动作标注的精确性和物理一致性仍然难以保证。Runway 在视频生成上的经验或许能帮助其在视觉表征层面做得更好,但动作输出的可靠性仍是关键挑战。
理解这一赛道的数据瓶颈,需要了解机器人示教数据的稀缺性。与文本和图像不同,带动作标注的机器人轨迹难以从互联网大规模获取,通常依赖遥操作、动捕或仿真采集,成本高、规模小、异构性强。这正是研究者转向人类视频预训练的原因:视频蕴含丰富的物理交互与任务语义,可作为视觉表征和动态预测的弱监督信号。
由此衍生出视觉预训练加动作微调的范式:先在大规模视频上学习时空表征,再用少量机器人数据对齐动作空间。其核心难点在于视频只提供“发生了什么”,不提供“如何控制”,动作标注的精确性、跨本体的动作空间差异以及物理一致性都难以保证。此外,端到端策略虽然减少了模块间误差累积,但也牺牲了可解释性和模块化调试的便利,对数据覆盖度要求更高。这些权衡构成了当前世界动作模型路线的主要争议点。
对行业的影响与待观察的问题
Runway 机器人团队的这次发布,至少说明两件事。其一,视频生成公司正在向具身智能延伸,视觉生成与机器人控制的边界在变得模糊。其二,英伟达的评测生态正在成为这类模型的重要展示窗口,榜单排名本身也成了发布策略的一部分。
值得持续关注的几个问题包括:Praxis-1 的技术细节何时公开、是否会有真实机器人演示、以及模型的开源或商用计划。目前的信息量有限,团队仅通过社交渠道公布了排名成绩,尚不清楚模型规模、训练数据构成和具体任务表现。对于关注具身智能的从业者来说,这是一个需要跟踪的信号,但还不足以得出“格局已定”的结论。
如果后续有更多技术披露,我们将继续分析 Praxis-1 在动作泛化和真实场景迁移上的实际表现。
相关推荐

当Claude写下90%代码,开发者该告别手写时代了吗
科技博主Theo讨论Claude等AI工具接管90%以上代码后开发者的处境:手写代码正在退场,怀旧可以理解但不应贬低AI构建者,好奇心与适应变化的能力才是下一代开发者的核心优势。

Perplexity推出Orchestrator API:统一接入多模型并实现故障转移
Perplexity发布Orchestrator API,单端点接入OpenAI、Anthropic、Google、xAI及开源权重模型,支持同模型供应商故障转移、统一计费与预览版perplexity/auto自动路由。

2026年13款最佳Agent网关:MCP、A2A与LLM流量治理
MarkTechPost评选2026年13款最佳Agent网关,按模型流量、MCP工具流量与A2A流量治理能力排名,涵盖Kong、Bifrost、AgentCore、Arcade等产品,并核验定价与部署选项,揭示厂商营销中省略的取舍。