主要成果
Runwayは2026年11月11日、指示とカメラ映像からロボットの動作を生成するAIモデル「Praxis-1」を一般公開した。商用利用が可能なApache 2.0ライセンスで提供され、モデルの重みに加え、推論および追加学習用のコードがGitHubやHugging Face、LeRobot、vLLM-Omni、Reactorを通じて利用可能となった。本モデルは、動画の続きを予測するAIの能力をロボット制御に転用した点が特徴であり、一般的な動画から得た知識をロボットの行動生成に活用できる。
技術・詳細
Praxis-1は、未来の映像とロボットの行動を同時に予測する「ワールドアクションモデル」である。構造は、動画予測を担う基盤モデルと、その内部情報を読み取って動作に変換する約3億1,400万パラメータの行動生成モジュールで構成され、全体の規模は約270億パラメータに達する。入力として作業指示、カメラ映像、ロボットの姿勢を受け取り、通常は15Hzで24ステップ(約1.6秒分)の動作を生成する。
学習プロセスは4段階で構成される。まず一般的な動画で事前学習を行い、次に人の手やロボットが映る動画で学習し、続いて動画予測と行動生成を共同学習させ、最後に特定のロボットデータで追加学習を行う。追加学習にはフルファインチューニングとLoRAの両方式が用意されている。性能評価では、追加学習済みのDROID向けモデルがRoboLab-120で成功率46.2%、RT-1向けモデルがSimplerEnvで成功率80.0%を記録した。ただし、これらはシミュレーション上の結果であり、実機性能を保証するものではない。
背景・業界の文脈
本モデルの導入には、機体ごとの個別調整と相応の計算資源が必要となる。例えば、DROID向けモデルの追加学習には、成功した操作の実演データ約277時間分が使用され、128基のNVIDIA H100 GPUを用いて5万回の更新が行われた。推論環境については、標準のbf16形式(重み54.4GB)では80GBのメモリを搭載したGPU1基が必要となり、H100での推論時間は約0.55〜0.6秒である。また、計算負荷を抑えるためにNVFP4形式に量子化した軽量化モデル(重み17.5GB)も開発されており、bf16形式(成功率47.8%)に対し、NVFP4版は成功率46.5%という結果が得られている。
今後の展望
実機デモでは、双腕ロボットのYAMや単腕ロボットのFrankaが、カップを逆さに置く、あるいは箱のふたを閉じるなどの動作を遠隔操縦なしで実行することに成功している。一方で、見た目が似た物体の取り違えや、曖昧な指示の解釈といった課題が残っている。また、単一の指示で一連の複雑な作業を完了させることは困難であり、長期的な行動計画や自己改善能力の獲得が今後の研究課題となっている。実用化に向けては、追加学習に必要なデータ量と計算資源の削減、および実環境での安定的な動作範囲の拡大が焦点となる。
元記事: https://xenospectrum.com/runway-praxis-1-open-robot-model/
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録(週刊・技術動向レポート)
ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます(各メール下部のリンクから)。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます



