Aller au contenu principal
Runway publie Praxis-1, un modèle d'action du monde à poids ouverts pour la robotiqueIllustration générée par IA
IA physiqueRobotics & Automation News 

Runway publie Praxis-1, un modèle d'action du monde à poids ouverts pour la robotique

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource uniqueImpact UE

Runway, l'éditeur de modèles vidéo génératifs, a publié en accès public Praxis-1, un « world action model » à poids ouverts destiné à la robotique, sous licence Apache 2.0, ce qui autorise les usages commerciaux comme la recherche. Annoncé en septembre, le modèle compte 27 milliards de paramètres et associe prédiction vidéo et génération d'actions : il anticipe l'évolution des objets et de l'environnement pendant l'exécution d'une tâche. Il apprend d'abord la physique des objets à partir de vidéos généralistes, puis est adapté à chaque robot. Sur le benchmark RoboLab-120 de Nvidia (120 tâches de manipulation sur table en simulation, 1 200 essais), Praxis-1 atteint 46,2 % de réussite, contre 42,9 % pour FLUX 3 Action, 36,8 % pour Cosmos 3 Nano et 28 % pour π0.5. Après fine-tuning sur le robot RT-1 de Google, il affiche 80 % sur SimplerEnv, contre 52,4 % pour la politique RT-1 d'origine. Les poids, le logiciel d'inférence et les outils de fine-tuning sont disponibles sur GitHub et Hugging Face, avec prise en charge du framework LeRobot. Noble Machines, Standard Bots et Ultra figurent parmi les partenaires de développement.

L'intérêt tient moins au score qu'à la thèse testée : réduire la dépendance aux jeux de données de téléopération propres à chaque robot, très coûteux à produire, en transférant des connaissances physiques issues de la vidéo à grande échelle. Si l'approche tient ses promesses, elle abaisse la barrière d'entrée pour les intégrateurs et les fabricants de bras ou de humanoïdes qui ne disposent pas de flottes de collecte de données. Il faut toutefois tempérer. Les résultats sont obtenus en simulation, sur des tâches de table, et le classement n'est favorable que dans la catégorie des modèles à poids ouverts : plusieurs modèles fermés et agents généralistes obtiennent de meilleurs scores sur RoboLab-120. Un écart de 3,3 points face à FLUX 3 Action est modeste, et le gain de 80 % sur SimplerEnv est mesuré après un fine-tuning ciblé sur un robot précis, pas en généralisation. Les démonstrations (tri d'objets, fermeture de tiroirs, rangement dans des bacs, coordination de deux bras) restent des vidéos choisies par l'éditeur, sans taux de réussite ni temps de cycle en conditions réelles. Runway reconnaît lui-même des faiblesses sur les objets visuellement proches, les consignes ambiguës et les tâches à longue séquence d'actions, soit précisément ce qui compte en production industrielle.

Pour Runway, dont le cœur de métier est la génération vidéo, c'est une entrée directe sur le terrain de la robotique, où la course aux modèles fondation s'intensifie. Les références citées dans la comparaison, π0.5 de Physical Intelligence et Cosmos de Nvidia, montrent que le marché se structure autour de modèles ouverts ou semi-ouverts adaptables, face aux approches fermées et intégrées verticalement. Le choix de l'Apache 2.0 et de LeRobot vise à capter la communauté des développeurs et à s'imposer comme brique par défaut. Praxis-1 est ici un modèle publié et téléchargeable, mais aucun déploiement industriel n'est annoncé : les partenaires cités n'ont pas communiqué de pilotes chiffrés. Runway indique poursuivre ses travaux sur le raisonnement à long terme, la planification autonome et des world action models capables de s'auto-améliorer. Les prochains signaux à surveiller seront des évaluations indépendantes sur robots physiques et d'éventuels premiers pilotes chez Standard Bots ou Noble Machines.

Impact France/UE

Le modèle ouvert sous Apache 2.0 et compatible LeRobot (Hugging Face) peut abaisser la barrière d'entrée pour les intégrateurs et fabricants européens de robots, sans impact direct identifié sur la France/UE.

À lire aussi

Runway présente Praxis-1, un modèle du monde et d'action pour la robotique
Illustration générée par IA
1The Robot Report 

Runway présente Praxis-1, un modèle du monde et d'action pour la robotique

Runway AI, la société new-yorkaise fondée en 2018 et connue pour ses modèles génératifs vidéo, a présenté cette semaine Praxis-1, un « world action model » à poids ouverts qui convertit son pré-entraînement vidéo à grande échelle en commandes pour robots. Le modèle s'appuie sur la même base que les world models généraux de l'entreprise (GWM-1, Gen-4.5, Aleph 2.0, Act-Two) et apprend surtout à partir de vidéos filmées à la troisième personne, non de démonstrations téléopérées. Il a été entraîné sur des tâches de manipulation allant du simple pick-and-place (soulever des canettes) à la manipulation d'objets déformables (emballer des sacs cadeaux).

IA physiqueActu
1 source
Le modèle d'action du monde Praxis-1 de Runway pour la robotique est désormais disponible
Illustration générée par IA
2The Robot Report 

Le modèle d'action du monde Praxis-1 de Runway pour la robotique est désormais disponible

Runway AI Inc. a publié hier Praxis-1, son modèle d'action du monde (world action model) pour la robotique, désormais accessible aux développeurs avec poids ouverts sous licence Apache 2.0, usage commercial compris. Annoncé en septembre avec Noble Machines (humanoïde à jambes pour la manutention lourde), Standard Bots (bras industriel six axes) et Ultra (station bimanuelle d'emballage en entrepôt) comme partenaires de lancement, le modèle est un transformeur de diffusion à mélange d'experts de 27 milliards de paramètres qui prédit conjointement vidéo et actions. Poids, code d'inférence et code de fine-tuning (complet ou LoRA) sont disponibles sur GitHub, Hugging Face (avec support natif LeRobot) et vLLM-Omni, avec inférence hébergée sur Reactor.

UELes poids ouverts sous licence Apache 2.0 avec support LeRobot permettent aux intégrateurs et laboratoires européens d'adapter le modèle sans dépendre d'une API propriétaire, mais aucun acteur européen n'est cité.

IA physiqueActu
1 source
Tau-zéro WM : un modèle du monde vidéo-action unifié pour la manipulation robotique
Illustration générée par IA
3arXiv cs.RO 

Tau-zéro WM : un modèle du monde vidéo-action unifié pour la manipulation robotique

Des chercheurs ont déposé le 1er juin 2026 sur arXiv (réf. 2606.01027) τ₀-WM (tau-zéro World Model), une architecture unifiée vidéo-action pour la manipulation robotique. Le modèle repose sur un backbone de diffusion vidéo partagé qui intègre simultanément apprentissage de politique, prédiction vidéo et évaluation d'actions au sein d'un même cadre prédictif. Il expose deux interfaces complémentaires : un modèle d'action vidéo qui prédit conjointement des représentations visuelles latentes futures et des séquences d'actions continues à partir d'observations multi-caméras, d'instructions en langage naturel et de l'état courant du robot ; et un simulateur vidéo conditionné sur l'action, capable de dérouler des séquences candidates en projections multi-vues tout en attribuant des scores denses de progression de tâche.

IA physiqueOpinion
1 source
Riemann-1.0 : un modèle d'action du monde incarné pour l'IA physique
Illustration générée par IA
4arXiv cs.RO 

Riemann-1.0 : un modèle d'action du monde incarné pour l'IA physique

Un preprint publie sur arXiv (2608.27033) présente Riemann-1.0, un "World Action Model" causal et autoregressif qui unifie, dans une seule séquence, observations visuelles multi-vues, états du robot et actions spécifiques a chaque embodiment. Le modèle est pré-entraine sur plus de 200 000 heures de données hétérogènes: vidéos humaines a la première personne, démonstrations avec pinces portables et trajectoires de robots varies. Il atteint 94,3% de réussite sur RoboTwin2.0, 99,0% sur LIBERO et 62,6% sur le benchmark compositionnel long-horizon RoboCasa-365, soit 8,4 points de plus que la meilleure méthode antérieure.

IA physiqueActu
1 source