新闻X今天
Verne开源V0.5世界动作模型：170万演示训练，新任务适配仅需2小时
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Brilliant release by @VerneRobotics（X：Rohan Paul (@rohanpaul_ai)（via AIHOT））
核心内容
Verne Robotics正式发布并开源世界动作模型V0.5权重，旨在解决具身智能泛化难题。该模型基于Wan2.2视频生成器构建，利用超过170万条机器人演示数据进行预训练，具备从摄像头画面直接预测下一秒机械臂、夹爪及移动底座联合动作的能力。核心突破在于极高的样本效率，仅需不到2小时的演示数据即可让模型掌握新的工业操作任务，大幅降低了特定场景部署的数据采集门槛。
在RoboTwin 2.0基准测试的随机杂乱、光照变化及纹理干扰等严苛条件下，V0.5展现出优异的鲁棒性。其任务成功率仅从81.0%微降至73.4%，而对比模型π0.5则从70.7%骤降至46.0%，性能衰减幅度远超V0.5。作为开源资产，V0.5不仅验证了视频生成范式在动作控制中的有效性，更为社区提供了可复现的高泛化性具身基座模型，推动了Sim-to-Real与少样本学习的技术演进。
关键看点
- 开源权重：发布V0.5世界动作模型完整权重，支持视觉输入到机械臂、夹爪及移动底座动作的端到端生成
- 数据规模：基于Wan2.2视频生成器架构，使用超170万条机器人演示数据进行大规模预训练
- 少样本学习：具备极高样本效率，新工业任务适配仅需不到2小时演示数据即可完成学习
- 鲁棒性实测：RoboTwin 2.0测试中成功率从81.0%降至73.4%，显著优于π0.5的46.0%衰减表现
工程与产业观察
V0.5证明了视频生成模型作为具身世界模型在动作预测与少样本迁移上的工程可行性。其开源权重为算法工程师提供了高鲁棒性基线，不足2小时的新任务适配能力直击工业场景长尾痛点，对降低具身数据采集成本与加速垂直领域落地具有重要参考价值。
线索来源：AIHOT
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。