Runway veröffentlicht Praxis-1 SO-101, eine Video- und Aktionsrichtlinie für den LeRobot-Arm
Bild erstellt vom Redaktionsteam von Inferama
01

Was veröffentlicht wurde und wann

Runway hat Praxis-1 SO-101 veröffentlicht, eine Video- und Aktionsrichtlinie, die für die Steuerung der LeRobot-Follower-Arme SO-100 und SO-101 angepasst wurde. Laut Checkpoint-Karte arbeitet das Modell im Gelenkraum: Es erzeugt Bewegungen für Gelenke und Greifer, keine Trajektorie in Form einer Pose des Armendpunkts.

Als Veröffentlichungsdatum ist der 12. November 2026 angegeben. Die offizielle Checkpoint-Karte bestätigt, dass das Modell veröffentlicht wurde. Für den Zugriff auf die Dateien muss man sich jedoch bei Hugging Face anmelden und den Zugriffsbedingungen zustimmen. Ein öffentlich zugängliches Repository bedeutet daher nicht, dass sich die Dateien bedingungslos anonym herunterladen lassen.

Das Modell kombiniert einen Video-Diffusionstrunk mit 27,2 Milliarden Parametern, der als Mixture of Experts organisiert ist, mit einem Aktions-Experten mit 300 Millionen Parametern. Die Karte beschreibt eine chunk-kausale Architektur. Diese Zahlen charakterisieren den Checkpoint; sie sind kein direktes Maß für Genauigkeit, Geschwindigkeit oder Erfolg bei Roboteraufgaben.

Die Richtlinie erhält eine Textanweisung, eine oder zwei Kameraansichten und den Gelenkzustand. Sie erzeugt Aktionsblöcke mit 24 Schritten bei 15 Hz. Jeder Schritt beschreibt fünf Gelenke und die Greiferstellung: Das Modell gibt Gelenkwinkel relativ zur Gelenkstellung am Anfang des Blocks sowie eine absolute Greiferposition zwischen null und eins aus, wobei eins geschlossen bedeutet.

Die Karte veröffentlicht keinen verifizierten numerischen Wert für den SO-101. Das Ergebnis von 46,2 % für RoboLab-120 gehört zu einer DROID-Richtlinie und misst nicht Praxis-1 SO-101. Auch liegt keine verifizierte unabhängige Bewertung vor, anhand derer sich die Leistung auf unterschiedliche Objekte, Kameras oder Umgebungen übertragen ließe.

02

Varianten, Eingaben und Zugriff

Die Referenzversion `runwayml/praxis-1-so101` ist die für einen einzelnen SO-100/SO-101-Arm angepasste Richtlinie. Sie unterstützt Außen- und Handgelenkkameras mit einer oder zwei Ansichten. Laut Karte werden Bilder pro Ansicht zu Kacheln mit 288 × 416 Pixeln angeordnet; bei zwei Ansichten misst die Leinwand 288 × 832 Pixel.

Die Variante `runwayml/praxis-1-so101-nvfp4` basiert auf demselben Checkpoint und erhielt 5.000 zusätzliche Schritte quantisierungsbewussten Trainings für die gerouteten Experten. Sie ist kein kleinerer Download: Laut Karte belegen die BF16-Gewichte 54,4 GB und werden vollständig heruntergeladen, bevor die Experten beim Laden gepackt werden.

Für die Ausführung der Experten in NVFP4 beschreibt die Karte einen experimentellen Modus, der auf SM120-GPUs wie der RTX 5090 und der RTX PRO 6000 Blackwell beschränkt ist. Mit dieser Konfiguration sinkt der angegebene Speicherbedarf der Richtlinie von 54,4 GB auf 17,5 GB; der optionale Cache für gepackte Experten belegt 14,4 GB. Der geringere Speicherbedarf verkleinert nicht den Download und macht externe Abhängigkeiten nicht überflüssig.

Für die Inferenz wird der Referenzcode `runwayml/praxis-1-oss` verwendet. Für die Basisversion nennt die Checkpoint-Karte eine GPU mit 80 GB als Laufzeitanforderung. Die eingefrorenen Abhängigkeiten – Wan2.2 VAE und der Textencoder Qwen/Qwen3.5-2B – werden separat und unter ihren eigenen Lizenzen angeboten. Für das Hauptmodell gilt laut Karte Apache 2.0; diese Lizenz ersetzt nicht die Bedingungen für die Abhängigkeiten.

Für den Zugriff auf die Modelldateien gilt eine Bedingung: Hugging Face verlangt eine Anmeldung und die Zustimmung, Kontoinformationen zu teilen, bevor der Repository-Inhalt eingesehen werden kann. Die Karten nennen keinen Preis für eine gehostete API. Beim eigenen Betrieb fallen Infrastrukturkosten an, deren Höhe von der verwendeten Hardware und dem Dienst abhängt.

Vergleich der beiden SO-101-Karten

AspektReferenz-CheckpointNVFP4-Variante
BasisPraxis-1 SO-101Praxis-1 SO-101
Heruntergeladene Gewichte54,4 GB in BF1654,4 GB in BF16
Beschriebene AusführungGPU mit 80 GBExperimentelles NVFP4 auf einer SM120-GPU
Angegebener Speicherbedarf54,4 GB für den Checkpoint17,5 GB mit NVFP4-Experten
Wichtige BedingungExterne Abhängigkeiten separatExperten werden beim Laden gepackt; der Download wird nicht kleiner
03

Was sich für die Nutzung ändert

Das Modell wandelt eine kurze Anweisung sowie Bild- und Gelenkzustand in eine Aktionssequenz für den Arm um. Die Karte empfiehlt direkte, imperative Anweisungen, etwa einen roten Würfel aufzuheben und in eine Box zu legen. Diese Empfehlung beschreibt das Eingabeformat; sie belegt nicht, dass die Aufgabe erfolgreich ausgeführt wird.

Die Ausgaben verwenden Radiant für die fünf Gelenke und eine Skala von null bis eins für den Greifer. Die Karte weist jedoch darauf hin, dass die Ausleseeinheit des LeRobot-Followers mit `use_degrees=True` konfiguriert werden kann: In diesem Fall werden die Gelenke in Grad ausgelesen und `gripper.pos` verwendet die Skala des Followers von null bis hundert. Bei der Integration müssen die Einheiten des Modells und des Roboters zusammenpassen.

Vor einem Aufgabentest sollte geprüft werden, ob die konfigurierte Kamera der erwarteten Ansicht entspricht, ob die Bilder die passende Größe und Anordnung haben und ob der Gelenkzustand korrekt umgewandelt wird. Außerdem sollten Gelenkgrenzen, Greiferumrechnung und Not-Aus des Systems geprüft werden, das den Arm steuert. Die Veröffentlichung eines Checkpoints validiert nicht automatisch eine bestimmte physische Konfiguration.

Die NVFP4-Alternative kann für Nutzerinnen und Nutzer mit einer kompatiblen SM120-GPU interessant sein, wenn bei der Inferenz weniger Speicher belegt werden soll. Das bedeutet weder eine garantierte Beschleunigung noch eine höhere Qualität: Die Karte veröffentlicht keinen quantitativen Vergleich von Leistung, Latenz oder Erfolgsrate zwischen den beiden Konfigurationen.

Laut Karte sind Normalisierungsstatistiken und Aktionscodec in `config.json` enthalten; zur Inferenz werden keine Statistiken eines Datensatzes benötigt. Das erklärt, welche Dateien zum Checkpoint gehören, ersetzt aber nicht die Prüfung des Formats und der Datenkonventionen des angeschlossenen Roboters.

04

Preis, Grenzen und Aussagekraft der Veröffentlichung

Die Karten nennen keinen Preis für eine gehostete API dieser Richtlinie. Beim eigenen Betrieb müssen große Gewichte heruntergeladen werden, ausreichend Speicher vorhanden sein und die eingefrorenen Abhängigkeiten separat bezogen werden. Die Anforderung von 80 GB gilt für die angegebene Inferenzkonfiguration des Referenz-Checkpoints; die 17,5 GB beziehen sich auf die experimentelle NVFP4-Variante und dürfen nicht als Downloadgröße verstanden werden.

Das Modell erzeugt Aktionen im Gelenkraum und wurde für den SO-100/SO-101-Arm angepasst. Es ist nicht mit `praxis-1-droid`, einer Richtlinie für DROID, oder `praxis-1-yam`, einer Richtlinie für eine beidarmige YAM-Konfiguration, gleichzusetzen. Fähigkeiten oder Messwerte dieser Varianten lassen sich nicht auf den SO-101 übertragen.

Die Karte weist BF16-Gewichte aus, obwohl die Variante NVFP4 heißt: Die Quantisierung wird beim Laden auf die gerouteten Experten angewendet, während andere Teile in BF16 bleiben. Die Bezeichnung NVFP4 bedeutet daher nicht, dass alle im Repository gespeicherten Gewichte in diesem Format komprimiert sind.

Die veröffentlichten Angaben beschreiben Architektur, Eingaben und Einsatzanforderungen, enthalten aber weder einen Evaluierungswert für diese Anpassung noch einen unabhängigen Vergleich. Eine Leistungszahl für eine andere Richtlinie schließt diese Lücke nicht. Erfolgsrate, Robustheit bei wechselnder Beleuchtung und Kompatibilität mit unterschiedlichen Konfigurationen müssen unter den jeweiligen Einsatzbedingungen geprüft werden.

Laut Checkpoint-Karte gilt Apache 2.0 für das Hauptmodell. Wan2.2 VAE und Qwen/Qwen3.5-2B werden separat bereitgestellt und haben eigene Lizenzen; für die Nutzung des Gesamtpakets müssen deshalb auch die Bedingungen dieser Abhängigkeiten geprüft werden.

Was bestätigt ist – und was daraus nicht folgt

AngabeAussage der KarteBedeutet nicht
Checkpoint veröffentlichtEine offizielle Karte ist mit Zugangsbeschränkungen verfügbarAnonymer Download oder Zugriff ohne Zustimmung zu den Bedingungen
15 Hz und 24 SchritteBeschriebene Ausgabekonfiguration der RichtlinieGarantierte Frequenz auf jedem Roboter
17,5 GB bei NVFP4Angegebener Speicherbedarf für quantisierte Experten auf einer kompatiblen GPUEin Download von 17,5 GB oder Kompatibilität mit jeder GPU
Lizenz Apache 2.0Für das Hauptmodell angegebene LizenzDass externe Abhängigkeiten dieselbe Lizenz haben
Kein verifizierter SO-101-WertDie Karten nennen keine numerische Kennzahl für diese AnpassungDass die Richtlinie bei allen Aufgaben wirksam oder unwirksam ist
05

Wie die Veröffentlichung einzuordnen ist

Praxis-1 SO-101 stellt eine veröffentlichte Richtlinie bereit, die Anweisungen, Bildverarbeitung und Gelenkzustand mit Aktionen für einen LeRobot-Arm verbindet. Der unmittelbare Nutzen hängt davon ab, ob sich ein Modell mit 54,4 GB laden lässt, die externen Abhängigkeiten verfügbar sind und Kameras sowie Einheiten korrekt angepasst werden. Die NVFP4-Variante bietet für bestimmte Hardware eine experimentelle Option mit geringerem Speicherbedarf – keinen kleineren Download und keine Garantie für eine schnellere Ausführung.

Für die Einschätzung der Eignung sollten drei Fragen getrennt betrachtet werden: Passt die physische Konfiguration zu SO-100/SO-101? Erfüllt das System die Speicher- und GPU-Anforderungen? Und funktioniert die konkrete Aufgabe sicher und wiederholbar? Die Karten beantworten die ersten beiden Fragen teilweise, liefern aber keinen Erfolgsnachweis für die dritte.

Die Verfügbarkeit des Checkpoints und seine Spezifikationen sind in den offiziellen Runway-Karten veröffentlicht. Die praktische Schlussfolgerung ist enger gefasst: Das Modell kann sich für kontrollierte Tests an diesem Arm eignen, doch die Ergebnisse müssen für jede Konfiguration geprüft werden. **Es gibt hier keine veröffentlichte Grundlage, um eine allgemeine Erfolgsrate anzunehmen oder die Angaben auf andere Roboter zu übertragen.**

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