# 16.1 厘米对 16.0 厘米：Runway 开源了它的第一个机器人模型，然后在同一段话里承认差距不显著
> Runway 发布 Praxis-1——它的第一个「世界动作模型」，用互联网视频做预训练，权重会开源。同一组实验里，网页视频预训练组微调后的放置误差是 16.1 厘米，遥操作机器人视频组是 16.0 厘米，Runway 自己说这个差距在报告的不确定度内并不显著。
### TLDR
- **发布内容**：Runway 于 **2026-10-01** 公布 **Praxis-1**，其首个「世界动作模型（world action model）」，定位为**开源权重（open-weight）**模型——开发者可自行下载、运行或改造，而非只能调用云端接口。
- **核心主张**：机器人不必主要靠机器人自身产生的动作数据来学。Runway 认为普通互联网视频包含大量关于物体行为、运动与物理交互的信息，经过视频预训练的策略「比只从动作数据训练的策略有巨大的先发优势」。
- **实验数字**：同一组对照中，用**普通网页视频**预训练的策略微调后放置误差为 **16.1 厘米**；用**遥操作机器人视频**预训练的对照组为 **16.0 厘米**。Runway 说明两者差异在所报告的不确定度内**不具统计显著性**。
- **另一组数字**：Runway 称此前实验显示，在其世界模型内模拟机器人策略的结果与之后的真机表现相关性为 **0.95**。
- **测试伙伴**：**Noble Machines**（双臂操作）、**Standard Bots**（RO1 六自由度机械臂）、**Ultra**（移动机器人平台）三家早期伙伴正在各自硬件上测试，模型将在**未来数月内**公开发布。
- **技术谱系**：Praxis-1 建立在 Runway 已有的互动视频与世界模型 **Solaris**、**GWM Worlds 2** 之上。
### SRC
本篇事实来自 Robotics & Automation News 于 **2026-10-01** 发布的报道（记者 Sam Francis），文中大量引用 Runway 官方发布口径，多处为直接引语（如「A policy that already understands physical plausibility and object behavior from video pretraining has an enormous head start on one built from action data alone」）。**时间窗说明**：本批素材时间窗为当日 **09:00 → 19:00**，本批实际执行时间为当日 **10:25**；该报道发布于前一日（2026-10-01），早于本窗口起点，按扩窗规则第 1 条处理——窗口内出现的新增量是**中文科技媒体与行业媒体对同一发布的多源扩散**，使该发布的产品定位与合作方名单得以交叉确认（multiplatform 转述口径一致：Noble Machines 双臂、Standard Bots RO1 六轴臂、Ultra 移动平台；16.1 cm 与 16.0 cm；0.95 相关性）。**不确定边界**：①所有性能数字均为 **Runway 自报**，未见第三方复现、未见论文或技术报告；②16.1 cm 与 16.0 cm 的**任务设定**（放置何种物体、起点与目标距离、试验次数、误差定义）报道未说明，两个数字的绝对含义无法独立判断；③0.95 相关性的**样本量与统计方法**未披露，且属「此前实验」，与 Praxis-1 本身的关系未说明；④「网页视频预训练性能随第三人称视频量增加而提升」为厂商提出的 scaling 主张，未给出曲线与数据点；⑤三家伙伴的**测试结果尚未公布**，目前仅处于「正在评估」阶段；⑥权重开源的具体许可证、模型规模、推理算力需求均未披露。与本站既往稿件的差异：本站写过数据生成类论文（反事实视频放大）、触觉世界模型的消融实验、分层 VLA 的规划器—执行器错位等研究解读，均为**学术论文**路线；本篇是**一家生成式视频公司从产业侧切入机器人模型**，且是唯一把「网页视频 vs 机器人视频」放在同一张对照表上的公开实验，不重复前述论文内容。文中判断均为作者观点，已用「判断：」标注。
### BODY
这条新闻最该被圈出来的，是那 0.1 厘米
Runway 发布了 Praxis-1，它第一个「世界动作模型」。整体叙事是熟悉的：机器人领域真正的瓶颈不是算法而是数据，真机数据采集昂贵且慢，而互联网上已有的视频量级远超任何机器人实验室能采集的规模。所以拿视频做预训练，让策略先理解物理世界，再微调到具体任务上。
这套说法很像大语言模型的路径——先在大量文本上获得对语言的广泛理解，再适配具体任务。Runway 的表述更直白：一个已经从视频预训练中理解了物理合理性与物体行为的策略，「比只从动作数据构建的策略有巨大的先发优势」。
然后它给了数字，而这个数字反过来削弱了这句话。
同一组对照实验里，用普通网页视频预训练的策略，微调之后的放置误差是 16.1 厘米；用遥操作机器人视频预训练的策略，是 16.0 厘米。Runway 自己注明：这个差异在所报告的不确定度内不具统计显著性。
同一实验的微调后放置误差对照；两者差异被 Runway 明确标注为不具统计显著性。任务设定与试验次数未披露
判断：这 0.1 厘米是整篇发布里最诚实的一段。它说明至少在这一项指标上，「网页视频预训练带来巨大领先」还没有兑现——两条路走完之后站在了同一个位置。但它同时也证明了另一半：用便宜得多的数据，能走到与大费周章采来的机器人视频同样的水平。这两句话的方向相反，却都由同一个数字支撑。读这条新闻，关键不是看它宣称什么，而是看它愿意把哪张表放出来。
真正可迁移的那半句：0.95
相比放置误差，报道里另一个数字更值得记：Runway 称此前的实验发现，在其世界模型内模拟机器人策略，与之后的真机表现相关性达到 0.95，并称这一表现优于更昂贵的、基于三维重建的技术路线。
如果这个相关性在更广的任务上成立，它改变的就不是训练方法，而是筛选方法的成本结构。现在的典型做法是：候选策略先上真机跑，跑废了再回来改。若仿真结果与真机表现高度一致，那么候选策略可以先在世界模型里筛掉大部分，只把最好的几个送上真机。真机时间的消耗量能降下来，而真机时间正是这类项目里最稀缺、最难排期的资源。
已经被验证的（厂商口径）
同一策略在受控摄影棚与家庭厨房两种环境下无需重新训练即可运行；模型在杂乱环境、透明物体、可变形材料、以以及成组外观相似物体等更难的操控任务上正在测试；三家伙伴已分别在双臂、六轴臂、移动平台上开始评估。
还没有被验证的
16.1 / 16.0 厘米对应的任务与试验条件；0.95 相关性的样本量与任务覆盖范围；开源权重的许可证与商用边界；模型规模与端侧推理的算力门槛；三家伙伴的实际测试结论；以及最关键的——公开发布时间只给了「未来数月」。
一家视频公司为什么要开源权重
Runway 的选择是把权重开放出去，而不是只做云端托管接口。它给出的理由有二：一是认为模型与硬件之间更强的互操作性对物理 AI 的发展重要；二是把开放的世界模型视为一种「复利式的优势」，让硬件开发者获得他们目前没有的灵活性与控制权。
这个解释坦白，但不完整。更实际的一层是：机器人硬件高度碎片化，任何一家模型公司都无法自建覆盖全部本体的测试矩阵。把权重开放出去、让硬件方自己跑，是获得真实场景反馈最快的办法，也是把自己的模型变成行业默认参照系的低成本路径。报道提到 Runway 正在接受机器人开发者申请，以扩大早期访问计划——这个动作本身就说明它要的是覆盖面。
判断：对做具身项目的团队，这条新闻的可用结论有三条。第一，视频预训练目前是「省钱的等价选项」，不是「能力的跃升选项」——按 16.1 对 16.0 这组数据，把它当降本手段比当性能手段更稳妥。第二，世界模型作为「筛选器」比作为「训练器」更早可用，0.95 的相关性如果可复现，先落地的一定是测试环节而不是训练环节。第三，开源权重意味着这条路线可以自建，但也意味着用它的团队要自己承担评测成本——模型给的是起点，不是结论。
来源：Robotics & Automation News《Runway moves into robotics with open-weight Praxis-1 AI model》（2026-10-01，记者 Sam Francis）；文中数据与合作方均引自 Runway 官方发布口径。素材时间窗为当日 09:00 → 19:00，本批实际执行时间 10:25；原报道发布于前一日，属窗口外原始报道，按扩窗规则处理。所有性能数字为厂商自报，无第三方复现与论文支撑。
---
*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/runway-praxis-1-open-weight-video-pretrain/*