Praxis-1 YAM: Fähigkeiten, Anforderungen und Grenzen für die Steuerung zweier Roboterarme
Bild erstellt vom Redaktionsteam von Inferama
01

Was ist Praxis-1 YAM und was erzeugt es

Praxis-1 YAM ist eine Robotik-Policy von Runway, die für ein bimanuelles System angepasst wurde: zwei YAM-Arme, eine obere Kamera und eine Kamera an jedem Handgelenk. Sie erhält eine Anweisung, Kamerabilder und den Roboterzustand; sie erzeugt eine Videovorhersage und Aktionen für beide Arme. Es ist kein Chatbot und kein allgemeines Modell, das ohne Anpassung jeden Roboter steuern kann.

Der veröffentlichte Checkpoint hat 27,2 Milliarden Parameter und kombiniert einen Video-Diffusionsstamm mit einem Aktions-Experten von etwa 300 Millionen Parametern. Die Karte beschreibt eine Video-Darstellung mit drei nebeneinander angeordneten Ansichten und eine Steuerungs-Ausgabe in Blöcken von 24 Schritten bei 15 Hz. Dies beschreibt das Format dieser Policy; es beweist nicht von selbst, dass eine Aufgabe erfolgreich abgeschlossen wird oder dass dieselbe Konfiguration an anderen Robotern funktioniert.

Die Aktionen sind Vektoren mit 20 Dimensionen: Für jeden Arm enthalten sie Position, Orientierung und Greiferöffnung. Jeder Arm drückt seine Bewegung relativ zur Pose aus, die er am Beginn des Blocks hatte, während der Pose-Bezug auf das Koordinatensystem des Rigs verweist. Bei der Integration des Modells sind diese Details wichtig: Ein Controller, der die Koordinaten anders interpretiert, kann andere Bewegungen ausführen als erwartet.

Das Modell verwendet Abhängigkeiten, die separat heruntergeladen werden: den Video-Autoencoder Wan2.2 und den Text-Encoder Qwen3.5-2B. Die Checkpoint-Karte gibt an, dass die Anweisungen an den Text-Encoder gesendet werden und dass die Gewichte dieser Abhängigkeiten nicht im Praxis-1 YAM-Repository enthalten sind. Jede Abhängigkeit behält ihre eigene Lizenz; die Lizenz des Checkpoints ersetzt die Überprüfung dieser Komponenten nicht.

Die Verfügbarkeit des YAM-Checkpoints ist im Versionskatalog auf den 11. November 2026 datiert. Das Datum identifiziert diese konkrete Veröffentlichung und stellt nicht von selbst fest, dass eine gehostete API, ein Nutzungspreis oder ein in allen Ländern verfügbarer Dienst existiert. Um das Modell zu bewerten, sollte der Zugang zu den Gewichten von der für deren Ausführung erforderlichen Infrastruktur getrennt werden.

Praktische Karte des YAM-Checkpoints

AspektVeröffentlichte SpezifikationBedeutung für die Bewertung
ZielroboterZwei YAM-ArmeDiese Anpassung darf nicht ohne Anpassung und Bewertung der Policy auf einen anderen Arm übertragen werden.
KamerasEine obere und zwei HandgelenkskamerasDie Perspektive und die Installation der Kameras sind Teil der Eingabeumgebung.
AusgabeBlöcke von 24 Schritten bei 15 HzDies ist ein zeitlicher Aktionsblock; es ist keine Garantie für den Erfolg der Aufgabe.
Aktionen20 Dimensionen für beide ArmeEnthält Position, Orientierung und Greiferöffnung, mit Koordinaten relativ zum Blockbeginn.
Gewichte54,4 GB in bfloat16Die Dateigröße entspricht nicht dem gesamten Speicher, den die Inferenz erfordert.
Referenz-GPUEine GPU mit 80 GBDies ist die veröffentlichte Anforderung für die Ausführung des Checkpoints in der Referenzkonfiguration.
02

Wie Video in Bewegung umgewandelt wird

Praxis-1 gehört zur Familie der World-Action-Modelle: Es sagt eine visuelle Fortsetzung der Szene vorher und verknüpft diese Vorhersage mit den Roboteraktionen. In einfachen Worten schätzt das System, wie sich die Szene ändern könnte, und erzeugt Bewegungen, die mit dieser Zukunft assoziiert sind. Ein plausibles Video vorherzusagen, ist nicht gleichbedeutend damit zu überprüfen, dass die Bewegung sicher, erreichbar oder für das Ziel geeignet ist.

Die Architektur teilt die Arbeit zwischen einem Video-Stamm und einem Aktions-Experten. Der Stamm verarbeitet die Anweisung und die Kamerabilder; der Experte erhält interne Darstellungen des Stamms und sagt die Aktionen vorher. Die Karte gibt an, dass das Modell eine blockweise kausale Aufmerksamkeit verwendet, eine Form der sequenziellen Vorhersageorganisation, und ein Mixture-of-Experts-Design für den Stamm.

Die Policy wurde für das YAM-Rig angepasst, mit drei Kamerabildern und Aktionen für zwei Arme. Daher sind die visuelle Eingabe und die Robotergeometrie keine austauschbaren Details: Ein Wechsel von Kameras, Werkzeugen, Ausrichtung oder Skala kann die Signale verändern, die das Modell interpretieren muss. Eine Anpassung an eine andere Montage erfordert eine erneute Überprüfung der Eingaben, Ausgaben und des Controllers.

Die Karte zeigt Anweisungen in natürlicher Sprache und gibt ein Beispiel für eine zweistufige Aufgabe: einen Stift von einem Tisch aufheben und in eine Tasche legen. Dieses Beispiel zeigt die Art der Anweisung, die der Checkpoint erwartet, ist aber kein Beweis dafür, dass die Policy die Aufgabe abschließt. Für einen praktischen Einsatz muss die Anweisung das Objekt und die Aktion präzise genug benennen, um sie von nahen Alternativen zu unterscheiden.

Die Ausgabe erfolgt in Blöcken, nicht als Demonstration, dass der Roboter eine Aufgabe unbegrenzt fortsetzen kann. Ein System, das Blöcke verkettet, muss entscheiden, wie es Bilder, Roboterzustand und Anweisung aktualisiert und wie es bei einem Fehler stoppt oder sich erholt. Die Checkpoint-Dokumentation spezifiziert die Länge und Frequenz des Blocks; sie veröffentlicht keine Garantie für die Planung langer Aufgaben für diese Variante.

03

Welche Ergebnisse dieser Variante zugeschrieben werden können

Das für den YAM-Checkpoint bereitgestellte Material beschreibt seine Konfiguration und seine Anforderungen, enthält aber keine Benchmark-Punktzahl für diese Variante. Daher ist es nicht korrekt, das RoboLab-120-Ergebnis, das der Praxis-1-Policy für DROID zugeschrieben wird, oder Ergebnisse anderer Konfigurationen zu übertragen. Roboter, Kameras, Anpassungsdaten und Bewertungsprotokoll können die Leistung verändern.

Ein veröffentlichtes Ergebnis für eine andere Variante ist nur als Kontext nützlich, wenn sein Umfang beibehalten wird. Zum Beispiel entspricht die RoboLab-120-Zahl, die im sekundären Material erscheint, einer DROID-Policy und einem für dieses Benchmark definierten Episodensatz. Es ist keine Messung von Praxis-1 YAM, keine unabhängige Bewertung des YAM-Checkpoints und erlaubt keine Schlussfolgerung darüber, wie es sich mit zwei Armen verhalten wird.

Die YAM-Karte zeigt auch keine von einem unabhängigen Labor reproduzierten Ergebnisse. Die Tatsache, dass der Checkpoint verfügbare Gewichte hat, ermöglicht es anderen Teams, ihn zu bewerten, aber Verfügbarkeit ist nicht gleichbedeutend mit Replikation. Um eine Leistungsbehauptung zu bewerten, sind mindestens die exakte Variante, der Roboter, die Aufgaben, die Anzahl der Versuche, das Erfolgskriterium und die Fehlerbehandlung erforderlich.

Die verfügbare Primärquelle für die Spezifikationen ist die Karte des Checkpoints selbst, veröffentlicht von Runway auf Hugging Face. Die Modellinformationen ermöglichen die Beschreibung seiner Eingaben, Ausgaben und Anforderungen, ersetzen aber keinen Evaluationsbericht für diese Konfiguration. Aus der Architektur kann nicht geschlossen werden, dass die Policy andere Systeme übertrifft, auf neue Umgebungen generalisiert oder die Arbeitszeit reduziert.

Ein gültiger Vergleich zwischen bimanuellen Policies müsste denselben Roboter, dieselben Kameras, dieselben Aufgaben und ein vergleichbares Protokoll festlegen. Es sollte auch aufzeichnen, ob jedes System externe Hilfe erhält, wie zusätzliche Anweisungen oder Planung durch ein anderes Modell. Wenn ein Vergleich gleichzeitig die Policy, das Hardware und das Verfahren ändert, identifiziert die beobachtete Differenz nicht, welche Komponente das Ergebnis erklärt.

Was man und was man nicht schließen kann

Datenpunkt oder BehauptungUmfang, der es stütztSchlussfolgerung, die es nicht stützt
Der Checkpoint ist für zwei YAM-Arme angepasstDie Karte identifiziert die vorgesehene bimanuelle Konfiguration.Dass es ohne Änderungen an anderen Robotern funktioniert.
Die Ausgabe verwendet Blöcke von 24 Schritten bei 15 HzDie Spezifikation der veröffentlichten Policy.Dass eine vollständige Aufgabe erfolgreich abgeschlossen wird.
Gewichte in bfloat16 mit 54,4 GBDie veröffentlichte Größe der Gewichte.Der gesamte Speicherbedarf während der Inferenz.
Ergebnisse, die einer DROID-Policy zugeschrieben werdenKontext über eine andere Variante und eine andere Montage.Eine Punktzahl für Praxis-1 YAM.
Verfügbare Gewichte für die BewertungMöglichkeit, den Checkpoint zu deployen und zu untersuchen.Unabhängige Replikation oder Sicherheitsvalidierung.
04

Ausführungsanforderungen, Lizenz und NVFP4-Option

Die offizielle Karte gibt an, dass die Inferenz von Praxis-1 YAM in bfloat16 eine GPU mit 80 GB benötigt. Die Gewichte belegen 54,4 GB, aber die Größe der Gewichte ist nicht die gesamte Speicheranforderung: Der Prozess kann zusätzlichen Platz für Aktivierungen, Caches und andere Operationen benötigen. Eine Karte mit 80 GB ist die veröffentlichte Referenzanforderung, keine Zusage, dass jede Installation ohne Anpassungen funktionieren wird.

Der YAM-Checkpoint und der Referenzcode werden gemäß der Modellkarte unter der Apache 2.0-Lizenz verteilt. Wan2.2 VAE und Qwen3.5-2B werden separat verteilt und haben ihre eigenen Lizenzen. Bevor das Modell in ein Produkt oder einen Dienst integriert wird, müssen die Bedingungen jeder Abhängigkeit und die für die konkrete Form der Verteilung geltenden Pflichten überprüft werden.

Die Praxis-1 YAM NVFP4-Variante hat eine separate Karte. Laut dieser Karte basiert sie auf dem YAM-Checkpoint und wurde 5.000 zusätzlichen Schritten des Quantization-Aware-Trainings in den gerouteten Experten-Schichten unterzogen. Die übrigen Teile – einschließlich der geteilten Experten, der Router und des Aktions-Experten – bleiben in bfloat16. Es ist also keine Vier-Bit-Version aller Gewichte.

Die NVFP4-Karte berichtet, dass die gerouteten Experten beim Laden gepackt werden und der Policy-Speicher von 54,4 GB auf 17,5 GB sinkt. Die heruntergeladene Datei belegt jedoch weiterhin 54,4 GB. Die Karte beschränkt den NVFP4-Betriebsmodus auf SM120-GPUs, wie RTX 5090 und RTX PRO 6000 Blackwell, und stuft ihn als experimentell ein. Die Speicherreduzierung beweist nicht, dass die Variante dieselbe Leistung beibehält oder für die physische Steuerung geeignet ist.

Der Katalog zeigt keinen verifizierten Preis für eine gehostete API für diesen Checkpoint. Die eigene Ausführung erfordert Infrastruktur; die Kosten hängen von der Ausrüstung, der Energie, der Nutzungszeit und der Integrationsarbeit ab. Die Gebühr eines externen Dienstes, falls er angeboten wird, kann nicht aus der Modellgröße oder der Lizenz abgeleitet werden.

Wahl zwischen bfloat16 und NVFP4

OptionVeröffentlichte DatenWann sie in Betracht gezogen werden sollteRelevante Grenze
bfloat16 Referenz54,4 GB Gewichte; eine GPU mit 80 GB für InferenzWenn die Referenzkonfiguration vorliegt und der Checkpoint so wie spezifiziert bewertet werden soll.Die Gewichtsgröße umfasst nicht den gesamten Ausführungsspeicher.
NVFP4 für geroutete Experten17,5 GB Policy-Speicher beim Laden der gepackten Experten; die Datei bleibt 54,4 GBWenn kompatible Hardware vorhanden ist und der experimentelle Pfad akzeptiert wird.Die Karte beschränkt den Modus auf SM120 und stellt keine Äquivalenz der Ergebnisse mit bfloat16 fest.
Gehosteter DienstKein verifizierter Preis für diesen Checkpoint im Katalog.Nur wenn bestätigt wird, dass ein für den Markt und die Konfiguration geeigneter Dienst existiert.Verfügbarkeit und Preis dürfen nicht aus der Modelllizenz abgeleitet werden.
05

Grenzen, Sicherheit und Bewertungsalternativen

Die Checkpoint-Karte beschreibt eine Policy für eine konkrete Konfiguration mit zwei Armen und drei Kameras. Sie bescheinigt keine Kompatibilität mit anderen Effektoren, Kameras oder Controllern. Eine Änderung am Roboter kann Skalen, Gelenkgrenzen, räumliche Bezüge und Reaktionszeiten verändern; das Team, das das System integriert, muss diese Elemente vor physischen Bewegungen überprüfen.

Die Verwendung einer generativen Policy an einem Roboter erfordert externe Kontrollen. Ein Operator kann den Arbeitsraum, die Geschwindigkeit und die Kraft begrenzen, die Aktionen vor der Ausführung überprüfen und einen unabhängigen Notstopp beibehalten. Diese Maßnahmen sind Kriterien für einen vorsichtigen Einsatz; sie machen das Modell nicht von selbst zu einem sicheren System und ersetzen keine Bewertung des gesamten Roboters.

Aufgaben mit zwei Armen können aus verschiedenen Gründen fehlschlagen: Ein Objekt kann außerhalb des Sichtfelds bleiben, ein Greifer kann es nicht festhalten, ein Arm kann den anderen stören oder die Anweisung kann mehrdeutig sein. Die YAM-Karte quantifiziert diese Fehler nicht. Es ist ratsam, sie nach Kategorie aufzuzeichnen, anstatt jede Bewertung auf eine einzige Erfolgsrate zu reduzieren.

Der Vergleich mit einer alternativen Policy sollte mit der Aufgabe beginnen. Wenn das Problem die Steuerung eines einzelnen Arms erfordert, ist ein DROID-Checkpoint nicht automatisch ein äquivalenter Ersatz: Die physische Konfiguration und die visuelle Verteilung ändern sich. Wenn ein anderer Roboter benötigt wird, ist Praxis-1 YAM keine sofort einsatzbereite Option; es muss eine kompatible Variante identifiziert oder eine Anpassung vorbereitet und gemessen werden.

Für ein Team, das keine GPU mit 80 GB hat, kann die NVFP4-Option nur relevant sein, wenn die Hardware mit den veröffentlichten Anforderungen übereinstimmt und ihr experimenteller Status akzeptiert wird. Bevor sie an einen Roboter angeschlossen wird, sollte der maximale Speicher gemessen, die Ausgaben mit bfloat16 in repräsentativen Aufgaben verglichen und kontrollierte Versuche mit Bewegungsgrenzen durchgeführt werden. Eine Speichermessung allein beweist keine funktionale Äquivalenz.

Die Adoptionsentscheidung muss vier Fragen unterscheiden: ob der Roboter mit der YAM-Montage übereinstimmt; ob die Infrastruktur die gewählte Variante ausführen kann; ob die Policy eine eigene, wiederholbare Bewertung übertrifft; und ob die Abhängigkeiten und Lizenzen mit der beabsichtigten Verwendung kompatibel sind. Die Verfügbarkeit der Gewichte löst den Zugang zum Modell, nicht diese vier Entscheidungen.

Prozess zur Entscheidung, ob der Checkpoint getestet werden soll

  1. 01Bestätigen, dass der Roboter eine bimanuelle Konfiguration verwendet, die mit dem Checkpoint kompatibel ist, und dass seine Kameras die erwarteten Ansichten erzeugen.
  2. 02GPU-Speicher und Abhängigkeiten für die gewählte Variante überprüfen; den Download der Gewichte vom maximalen Ausführungsspeicher trennen.
  3. 03Die Interpretation der 20 Aktionsdimensionen, die Koordinaten jedes Arms und die Steuerfrequenz vor der Aktivierung der Bewegungen überprüfen.
  4. 04Aufgaben, wiederholte Versuche und Erfolgskriterien definieren; Eingriffe, Kollisionen, falsche Objekte und Platzierungsfehler aufzeichnen.
  5. 05In einer kontrollierten Umgebung mit Bewegungsgrenzen und einem unabhängigen Stopp beginnen; Varianten nur mit demselben Roboter und Protokoll vergleichen.
  6. 06Die Lizenzen des Checkpoints sowie von Wan2.2 VAE und Qwen3.5-2B für die konkrete Verwendung überprüfen.
06

Weiter entdecken

Verwendete Quellen

03

Korrekturen und Transparenz

Wenn du falsche oder veraltete Angaben findest, sende uns die Seite und die zu prüfende Quelle.

Korrektur vorschlagen