Isaac 0.5 是 Perceptron 发布的开放机器人学习基础模型，将多模态视频理解、具身推理、空间 grounding、任务进度估计和机器人控制放在一个 36B 参数稀疏模型中。它可读取图像、视频、语言指令、机器人状态和历史动作，并输出文本、归一化坐标、任务状态或机器人动作。训练数据包括超过 35 个机器人系统、100,000 小时机器人经验、100 万小时通用视频和 3 万亿多模态 token。

模型采用 Qwen-family 视觉语言骨干和 sparse experts，文本、视觉、时间、机器人状态与动作历史进入共享序列。离散控制使用 2,048 个 FAST action token；连续控制由 Flow expert 和 36-block diffusion transformer 生成 action chunk。其训练同时覆盖视频理解、空间 grounding、任务进度、未来感知预测和机器人动作。

同一 checkpoint 被用于多模态视频理解、空间 grounding、held-out action prediction 和闭环机器人控制评估。该 checkpoint 需通过 Perceptron Isaac 仓库使用，兼容 commit be6507b；直接 Transformers 和 stock LeRobot 当前不支持。仓库提供权重、Flow/FAST 配置、输出 schema 与 manifests，配套仓库提供训练、微调、推理、LeRobot 集成、参考 policy server 和评估工具。