清华具身模型登顶全球第一！突围GPT-6、英伟达，不靠外挂和额外数据 田, 晏林 2026-10-09 11:52:21 来源： 量子位 星动纪元选择将视频预测与动作学习分阶段训练，重点不是「视频、动作一锅炖」，而是把两者「解耦」，重新「排序」。
田晏林 发自 凹非寺 量子位 | 公众号 QbitAI 好家伙，世界动作模型（WAM）赛道，中国团队直接冲到了全球第一？ ！
而且，GPT-6-Astra、Physical Intelligence的π0.5、英伟达GR00T-N1.7等一众全球头部具身模型，这次都被甩在了身后。出手的是一家中国机器人公司—— 清华唯一持股的嫡系具身公司，星动纪元 。
近日，星动纪元 自研的世界动作模型VPP2 ，一举登顶 RoboDojo仿真榜单 。综合平均成功率32.26%，综合平均得分39.26分，两个指标双双第一。
关键是，这场比赛还真不好打。 RoboDojo号称 具身智能界的「珠穆朗玛峰」 ，由香港大学MMLab牵头，全球近20所顶尖学术机构共同建设。
它专挑机器人不擅长的地方出题：换个环境，还会不会干活？东西摆歪了，还能不能抓准？
任务做到一半，还记不记得前面发生了什么？总之，想靠刷熟练度蒙混过关，没那么容易。
结果呢？星动纪元VPP2不仅拿下综合第一，在 泛化能力、精细操作、记忆能力 三个维度上，也拔得头筹。
据说，这次VPP2 没有额外加数据 ，也 没用Agent RSI等增强手段 ， 仅靠「标准数据集」 ，就把一众高手给卷了下去。这代表着VPP2模型本身足够强，性能提升来自预训练，基座足够泛化，因此不靠外挂增强策略，不靠扩充数据「刷分」。
不是，哥们儿，这么夯的模型到底是怎么练出来的啊？ ？
？我们往技术路线里扒了扒，你别说，VPP2这次的突破，还真有点东西。
它瞄准了世界动作模型的一道老大难问题：预测错了，动作就跟着错。 VPP2给出的解法，是先把视频预测能力练到足够强，再让机器人在陌生环境里真正动起来。
从预测到行动，两种泛化能力一起提升。从目前披露的多项测试结果来看，VPP2已经成为世界动作模型WAM赛道中，最有竞争力的选手之一。
世界动作模型WAM，卷出一个新冠军 具身智能行业有个挺尴尬的现象。机器人Demo越做越炫，模型榜单分数也越来越高，但真要问一句，谁的机器人更聪明、更能干活？
还真不好回答。比如让机器人抓杯子。
在训练时见过的桌面上，它可能百发百中。结果换个杯子、挪下位置，立刻开始怀疑人生。
更别提那些需要连续执行多个步骤的任务了。这也是为什么，RoboDojo这套评测值得关注。
它的目标是为具身智能建立统一、可复现的评测标准，仿真测试 包含42项双臂操作任务 ，覆盖泛化、精准操作、长程任务、记忆、开放词汇指令理解五个维度。说白了，就是把机器人拉出舒适区。
传统机器人模型在熟悉任务上可能接近满分，一旦环境、物体位置、任务组合发生变化，成功率可能明显下降。 RoboDojo专门对这类复杂情况进行考察，看机器人面对变化时，有多少泛化能力。
而VPP2这次交出的成绩单，相当亮眼。平均成功率32.26%、平均得分39.26分，两个指标均位居榜首。
作为对比，在RoboDojo仿真基准的后训练评测中， GPT-6-Astra 的平均成功率为22.48%，平均得分28.97分。而 VPP2 分别领先9.78个百分点和10.29分。
论文截图，基线模型数据取自官方排行榜