Illustration générée par IARunway publie Praxis-1, un modèle d'action du monde à poids ouverts pour la robotique
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
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.
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.
Dans nos dossiers




