Praxis-1 YAM : fonction et sorties
Praxis-1 YAM est une politique robotique de Runway adaptée à un système à deux bras YAM : deux bras, une caméra supérieure et une caméra sur chaque poignet. Elle reçoit une instruction, les images des caméras et l’état du robot, puis produit une prédiction vidéo et des actions pour les deux bras. Ce n’est ni un chatbot ni un modèle général capable de piloter n’importe quel robot sans adaptation.
Le checkpoint publié comporte 27,2 milliards de paramètres et associe un tronc de diffusion vidéo à un expert en actions d’environ 300 millions de paramètres. Sa fiche décrit une représentation vidéo où trois vues sont placées côte à côte et une sortie de commande composée de blocs de 24 étapes à 15 Hz. Ces caractéristiques décrivent le format de cette politique ; elles ne démontrent pas à elles seules qu’une tâche sera accomplie correctement ni que la même configuration fonctionnera sur d’autres robots.
Les actions sont des vecteurs de 20 dimensions : pour chaque bras, elles comprennent la position, l’orientation et l’ouverture de la pince. Chaque bras exprime son mouvement par rapport à sa pose au début du bloc, tandis que le repère de pose correspond au système de coordonnées de la plateforme. Ces détails comptent lors de l’intégration : un contrôleur qui interprète les coordonnées différemment peut produire des mouvements inattendus.
Le modèle utilise des dépendances à télécharger séparément : l’autoencodeur vidéo Wan2.2 et l’encodeur de texte Qwen3.5-2B. La fiche indique que les instructions sont transmises à l’encodeur de texte et que les poids de ces dépendances ne figurent pas dans le dépôt de Praxis-1 YAM. Chaque dépendance conserve sa propre licence ; la licence du checkpoint ne remplace pas l’examen des licences de ces composants.
Le catalogue de la version date du 11 novembre 2026 la disponibilité du checkpoint YAM. Cette date correspond à cette version précise et ne confirme pas, à elle seule, l’existence d’une API hébergée, d’un tarif à l’usage ou d’un service accessible dans tous les pays. Pour évaluer le modèle, il faut distinguer l’accès aux poids de l’infrastructure nécessaire à leur exécution.
Fiche pratique du checkpoint YAM
| Aspect | Spécification publiée | Conséquence pour l’évaluation |
|---|---|---|
| Robot visé | Deux bras YAM | Cette adaptation ne doit pas être attribuée à un autre bras sans adapter et évaluer la politique. |
| Caméras | Une caméra supérieure et deux caméras de poignet | Le point de vue et l’installation des caméras font partie des entrées du système. |
| Sortie | Blocs de 24 étapes à 15 Hz | Il s’agit d’un bloc temporel d’actions, pas d’une garantie de réussite de la tâche. |
| Actions | 20 dimensions pour les deux bras | Elles comprennent position, orientation et ouverture des pinces, avec des coordonnées relatives au début du bloc. |
| Poids | 54,4 Go en bfloat16 | La taille des fichiers ne correspond pas à la mémoire totale requise pour l’inférence. |
| GPU de référence | Un GPU de 80 Go | Il s’agit du besoin publié pour exécuter le checkpoint dans sa configuration de référence. |
Comment le modèle transforme la vidéo en mouvements
Praxis-1 appartient à la famille des modèles d’action du monde : il prédit une suite visuelle de la scène et relie cette prédiction aux actions du robot. En termes simples, le système estime comment la scène pourrait évoluer, puis génère les mouvements associés à ce futur. Prédire une vidéo plausible ne revient pas à vérifier que le mouvement est sûr, réalisable ou adapté à l’objectif.
L’architecture répartit le travail entre un tronc vidéo et un expert en actions. Le tronc traite l’instruction et les vues des caméras ; l’expert reçoit ses représentations internes et prédit les actions. La fiche décrit un mécanisme d’attention causale par blocs temporels, qui organise la prédiction séquentielle, ainsi qu’une architecture à mélange d’experts pour le tronc.
La politique a été adaptée à la plateforme YAM, à ses trois vues caméra et à ses deux bras. Les entrées visuelles et la géométrie du robot ne sont donc pas interchangeables : une modification des caméras, des outils, de l’orientation ou de l’échelle peut changer les signaux que le modèle doit interpréter. Une adaptation à un autre montage exige de vérifier à nouveau les entrées, les sorties et le contrôleur.
La fiche présente des instructions en langage naturel et donne l’exemple d’une tâche en deux étapes : prendre un stylo sur une table, puis le placer dans un sac. Cet exemple illustre le type d’instruction attendu par le checkpoint, mais ne prouve pas que la politique accomplisse la tâche. En pratique, l’instruction doit désigner l’objet et l’action assez précisément pour les distinguer d’autres possibilités proches.
La sortie est organisée en blocs ; elle ne démontre pas que le robot peut poursuivre une tâche indéfiniment. Un système qui enchaîne les blocs doit décider comment actualiser les images, l’état du robot et l’instruction, mais aussi comment s’arrêter ou récupérer après une erreur. La documentation précise la longueur et la fréquence des blocs ; elle ne garantit pas la planification de tâches longues pour cette variante.
Quels résultats peut-on attribuer à cette variante ?
La documentation du checkpoint YAM décrit sa configuration et ses besoins matériels, mais ne fournit pas de score de benchmark pour cette variante. Il ne faut donc pas lui attribuer le résultat RoboLab-120 associé à la politique Praxis-1 adaptée à DROID, ni les résultats d’autres configurations. Le robot, les caméras, les données d’adaptation et le protocole d’évaluation peuvent modifier les performances.
Un résultat publié pour une autre variante n’est utile comme contexte que si sa portée reste explicite. Par exemple, le score RoboLab-120 présenté dans une source secondaire concerne une politique DROID et un ensemble d’épisodes défini pour ce benchmark. Il ne mesure pas Praxis-1 YAM, n’est pas une évaluation indépendante du checkpoint YAM et ne permet pas de déduire ses performances avec deux bras.
La fiche YAM ne présente pas non plus de résultats reproduits par un laboratoire indépendant. La disponibilité des poids permet à d’autres équipes d’évaluer le checkpoint, mais elle ne constitue pas une réplication. Pour interpréter une affirmation de performance, il faut au minimum connaître la variante exacte, le robot, les tâches, le nombre d’essais, le critère de réussite et la manière dont les échecs sont traités.
La fiche du checkpoint publiée par Runway sur Hugging Face décrit les entrées, les sorties et les besoins matériels du modèle, mais ne remplace pas un rapport d’évaluation de cette configuration. L’architecture ne permet pas de conclure que la politique surpasse d’autres systèmes, généralise à de nouveaux environnements ou réduit le temps de travail.
Une comparaison valide entre politiques bimanuelles devrait utiliser le même robot, les mêmes caméras, les mêmes tâches et un protocole comparable. Elle devrait aussi préciser si chaque système reçoit une aide externe, par exemple des instructions supplémentaires ou la planification d’un autre modèle. Si la politique, le matériel et la procédure changent en même temps, la différence observée ne permet pas d’identifier le facteur qui explique le résultat.
Conclusions étayées et conclusions non étayées
| Donnée ou affirmation | Ce qu’elle permet d’établir | Ce qu’elle ne permet pas d’établir |
|---|---|---|
| Le checkpoint est adapté à deux bras YAM | La fiche indique la configuration bimanuelle visée. | Qu’il fonctionne sans modification sur d’autres robots. |
| La sortie comprend des blocs de 24 étapes à 15 Hz | La spécification publiée de la politique. | Qu’une tâche complète sera réussie. |
| Poids bfloat16 de 54,4 Go | La taille publiée des poids. | La mémoire totale nécessaire à l’inférence. |
| Résultats attribués à une politique DROID | Un contexte portant sur une autre variante et un autre montage. | Un score pour Praxis-1 YAM. |
| Poids disponibles pour l’évaluation | La possibilité de déployer et d’étudier le checkpoint. | Une réplication indépendante ou une validation de sécurité. |
Exécution, licence et option NVFP4
La fiche officielle indique que l’inférence de Praxis-1 YAM en bfloat16 nécessite un GPU de 80 Go. Les poids occupent 54,4 Go, mais leur taille n’est pas le besoin total en mémoire : le processus peut aussi nécessiter de l’espace pour les activations, les caches et d’autres opérations. Un GPU de 80 Go est le besoin de référence publié, pas la garantie que toute installation fonctionnera sans réglage.
La fiche du modèle indique que le checkpoint YAM et le code de référence sont distribués sous licence Apache 2.0. Wan2.2 VAE et Qwen3.5-2B sont distribués séparément et possèdent leurs propres licences. Avant d’intégrer le modèle à un produit ou à un service, il faut vérifier les conditions de chaque dépendance et les obligations liées au mode de distribution envisagé.
La variante Praxis-1 YAM NVFP4 fait l’objet d’une fiche distincte. Selon cette fiche, elle part du checkpoint YAM et a subi 5 000 étapes d’entraînement supplémentaires avec quantification consciente de la quantification sur les couches d’experts routés. Les autres composants — notamment les experts partagés, les routeurs et l’expert en actions — restent en bfloat16. Il ne s’agit donc pas d’une version où tous les poids seraient en quatre bits.
La fiche NVFP4 indique que les experts routés sont empaquetés au chargement et que la mémoire occupée par la politique passe de 54,4 Go à 17,5 Go. Le fichier téléchargé occupe toutefois toujours 54,4 Go. La fiche limite l’exécution NVFP4 aux GPU SM120, comme les RTX 5090 et RTX PRO 6000 Blackwell, et qualifie cette option d’expérimentale. La réduction de mémoire ne prouve pas que la variante conserve les mêmes performances ou convienne au contrôle physique.
Le catalogue ne donne pas de tarif vérifié pour une API hébergée de ce checkpoint. Une exécution sur site nécessite une infrastructure ; son coût dépend du matériel, de l’énergie, du temps d’utilisation et du travail d’intégration. Le prix d’un service externe, s’il est proposé, ne peut pas être déduit de la taille du modèle ou de sa licence.
Choisir entre bfloat16 et NVFP4
| Option | Donnée publiée | Quand l’envisager | Limite importante |
|---|---|---|---|
| bfloat16 de référence | 54,4 Go de poids ; un GPU de 80 Go pour l’inférence | Lorsque la configuration de référence est disponible et que le checkpoint doit être évalué selon ses spécifications. | La taille des poids ne comprend pas toute la mémoire nécessaire à l’exécution. |
| NVFP4 pour les experts routés | 17,5 Go de mémoire pour la politique après empaquetage des experts ; le fichier reste à 54,4 Go | Lorsque le matériel est compatible et que l’équipe accepte d’évaluer une option expérimentale. | La fiche limite ce mode à SM120 et n’établit pas l’équivalence des résultats avec bfloat16. |
| Service hébergé | Aucun tarif vérifié pour ce checkpoint dans le catalogue. | Uniquement si l’existence d’un service adapté au marché et à la configuration voulus est confirmée. | La licence du modèle ne permet pas de supposer la disponibilité ou le prix d’un service. |
Limites, sécurité et autres pistes d’évaluation
La fiche du checkpoint décrit une politique conçue pour une configuration précise : deux bras et trois caméras. Elle ne certifie pas sa compatibilité avec d’autres effecteurs, caméras ou contrôleurs. Un changement de robot peut modifier les échelles, les limites articulaires, les repères spatiaux et les temps de réponse ; l’équipe d’intégration doit vérifier ces éléments avant tout mouvement physique.
L’utilisation d’une politique générative sur un robot nécessite des contrôles externes. Un opérateur peut limiter l’espace de travail, la vitesse et la force, vérifier les actions avant leur exécution et maintenir un arrêt d’urgence indépendant. Ces mesures relèvent d’un déploiement prudent ; elles ne rendent pas le modèle sûr à elles seules et ne remplacent pas l’évaluation du robot complet.
Les tâches bimanuelles peuvent échouer pour différentes raisons : un objet peut sortir du champ de vision, une pince peut ne pas le saisir, un bras peut gêner l’autre ou l’instruction peut être ambiguë. La fiche de YAM ne quantifie pas ces échecs. Une évaluation devrait les consigner par catégorie au lieu de les résumer à un taux de réussite unique.
Le choix d’une autre politique doit partir de la tâche. Si le problème ne requiert qu’un seul bras, un checkpoint DROID n’est pas automatiquement un substitut équivalent : la configuration physique et la distribution visuelle diffèrent. Pour un autre robot, Praxis-1 YAM n’est pas une solution immédiatement opérationnelle ; il faut trouver une variante compatible ou préparer une adaptation et la mesurer.
Pour une équipe qui ne dispose pas d’un GPU de 80 Go, NVFP4 peut être pertinent uniquement si le matériel correspond aux exigences publiées et si l’équipe accepte le caractère expérimental de cette option. Avant de connecter le modèle à un robot, il est prudent de mesurer la mémoire maximale, de comparer les sorties à celles de bfloat16 sur des tâches représentatives et de mener des essais contrôlés avec des limites de mouvement. Une mesure de mémoire ne prouve pas, à elle seule, l’équivalence fonctionnelle.
Une décision d’adoption doit distinguer quatre questions : le robot correspond-il au montage YAM ; l’infrastructure peut-elle exécuter la variante choisie ; la politique réussit-elle une évaluation interne reproductible ; les licences et dépendances sont-elles compatibles avec l’usage prévu ? La disponibilité des poids donne accès au modèle, mais ne répond pas à ces quatre questions.
Étapes pour décider s’il faut tester le checkpoint
- 01Vérifier que le robot utilise une configuration bimanuelle compatible avec le checkpoint et que ses caméras produisent les vues attendues.
- 02Contrôler la mémoire du GPU et les dépendances de la variante retenue ; distinguer le téléchargement des poids de la mémoire maximale nécessaire à l’exécution.
- 03Vérifier l’interprétation des 20 dimensions d’action, les coordonnées de chaque bras et la fréquence de commande avant d’autoriser les mouvements.
- 04Définir les tâches, répéter les essais et fixer les critères de réussite ; consigner les interventions, collisions, erreurs de sélection et échecs de placement.
- 05Commencer dans un environnement contrôlé, avec des limites de mouvement et un arrêt indépendant ; ne comparer les variantes qu’avec le même robot et le même protocole.
- 06Examiner les licences du checkpoint, de Wan2.2 VAE et de Qwen3.5-2B au regard de l’usage prévu.
Poursuivre l’exploration
Sources consultées
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction