Qu’est-ce qui a été lancé, et quand ?
Runway a publié Praxis-1 SO-101, une politique vidéo et actions adaptée au contrôle des bras suiveurs SO-100 et SO-101 de LeRobot. La fiche du checkpoint précise qu’il fonctionne en espace articulaire : il génère des mouvements des articulations et de la pince, et non une trajectoire exprimée comme une pose de l’extrémité du bras.
La date de lancement indiquée est le 12 novembre 2026. La fiche officielle confirme la publication du checkpoint, mais ses fichiers nécessitent de se connecter et d’accepter les conditions d’accès de Hugging Face. La disponibilité du dépôt ne signifie donc pas que les fichiers peuvent être téléchargés anonymement et sans conditions.
Le modèle associe un tronc de diffusion vidéo de 27,2 milliards de paramètres, organisé en mélange d’experts, à un expert d’action de 0,3 milliard de paramètres. La fiche décrit une architecture causale par segments. Ces chiffres caractérisent le checkpoint ; ils ne mesurent directement ni sa précision, ni sa rapidité, ni son taux de réussite sur des tâches robotiques.
La politique reçoit une instruction textuelle, une ou deux vues caméra et l’état articulaire. Elle génère des segments d’action de 24 pas à 15 Hz. Chaque pas représente cinq articulations et l’ouverture de la pince : le modèle exprime les angles articulaires relativement au début du segment et une position absolue de la pince comprise entre zéro et un, où un signifie fermée.
La fiche ne publie aucun score numérique vérifié pour le SO-101. Le résultat de 46,2 % associé à RoboLab-120 concerne une politique DROID et ne mesure pas Praxis-1 SO-101. Les sources vérifiées ne fournissent pas non plus d’évaluation indépendante permettant de généraliser ses performances à différents objets, caméras ou environnements.
Variantes, entrées et accès
La référence principale, `runwayml/praxis-1-so101`, est la politique adaptée à un seul bras SO-100/SO-101. Elle prend en charge des caméras extérieures et une caméra au poignet, avec une ou deux vues. La fiche précise que les images sont assemblées en mosaïques de 288 par 416 pixels pour chaque vue ; avec deux vues, la toile mesure 288 par 832 pixels.
La variante `runwayml/praxis-1-so101-nvfp4` part du même checkpoint et a reçu 5 000 étapes d’entraînement supplémentaires avec prise en compte de la quantification, sur les experts routés. Ce n’est pas un checkpoint plus petit à télécharger : la fiche indique que les poids BF16 occupent 54,4 Go et sont téléchargés en totalité avant l’empaquetage des experts au chargement du modèle.
Pour exécuter les experts en NVFP4, la fiche décrit un mode expérimental limité aux GPU SM120, comme les RTX 5090 et RTX PRO 6000 Blackwell. Dans cette configuration, la mémoire occupée par la politique passe de 54,4 Go à 17,5 Go ; le cache facultatif des experts empaquetés occupe 14,4 Go. La réduction de mémoire ne réduit pas la taille du téléchargement et ne supprime pas les dépendances externes.
L’inférence utilise le code de référence `runwayml/praxis-1-oss`. La fiche de la version de référence indique qu’un GPU de 80 Go est nécessaire à l’exécution. Les dépendances figées — Wan2.2 VAE et l’encodeur de texte Qwen/Qwen3.5-2B — sont distribuées séparément et relèvent de leurs propres licences. Le modèle principal est annoncé sous licence Apache 2.0 ; cette licence ne remplace pas les conditions applicables aux dépendances.
L’accès aux fichiers du modèle est soumis à une condition : Hugging Face demande de se connecter et d’accepter le partage des informations du compte pour consulter le contenu du dépôt. Les fiches ne publient aucun tarif pour une API hébergée. Une exécution autonome nécessite une infrastructure, dont le coût dépend du matériel et du service utilisés.
Comparaison des deux fiches SO-101
| Aspect | Checkpoint de référence | Variante NVFP4 |
|---|---|---|
| Base | Praxis-1 SO-101 | Praxis-1 SO-101 |
| Poids téléchargés | 54,4 Go en BF16 | 54,4 Go en BF16 |
| Exécution décrite | GPU de 80 Go | NVFP4 expérimental sur GPU SM120 |
| Mémoire indiquée | 54,4 Go pour le checkpoint | 17,5 Go avec les experts en NVFP4 |
| Point important | Dépendances externes distribuées séparément | Experts empaquetés au chargement ; le téléchargement ne diminue pas |
Ce que cela change pour les utilisateurs
Le modèle transforme une consigne brève, l’état visuel et l’état articulaire en une séquence d’actions pour le bras. La fiche recommande des instructions impératives et directes, par exemple demander au robot de prendre un cube rouge et de le déposer dans une boîte. Cette recommandation décrit le format de l’entrée ; elle ne prouve pas que la tâche sera accomplie avec succès.
Les sorties utilisent des radians pour les cinq articulations et une échelle de zéro à un pour la pince. La fiche précise toutefois que l’unité de lecture du suiveur LeRobot peut être configurée avec `use_degrees=True` : dans ce cas, les articulations sont lues en degrés et `gripper.pos` utilise l’échelle du suiveur, de zéro à cent. L’intégration doit maintenir la cohérence entre les unités du modèle et celles du robot.
Avant de tester une tâche, il faut vérifier que la caméra configurée correspond à la vue attendue, que les images ont la taille et la disposition requises et que l’état articulaire est correctement converti. Il est également recommandé de vérifier les limites articulaires, la conversion de la pince et l’arrêt d’urgence du système de commande du bras. La publication d’un checkpoint ne valide pas à elle seule une configuration physique particulière.
La variante NVFP4 peut intéresser les utilisateurs disposant d’un GPU compatible SM120 et souhaitant réduire la mémoire occupée pendant l’inférence. Cette option ne signifie ni qu’une accélération est garantie ni que la qualité est meilleure : la fiche ne publie aucune comparaison quantitative des performances, de la latence ou du taux de réussite entre les deux configurations.
La fiche indique que les statistiques de normalisation et le codec d’action se trouvent dans `config.json` et qu’aucune statistique de jeu de données n’est nécessaire au moment de l’inférence. Ce détail aide à comprendre les fichiers qui accompagnent le checkpoint, mais ne dispense pas de vérifier le format et les conventions des données du robot connecté.
Prix, limites et portée des informations publiées
Les fiches n’annoncent aucun tarif pour une API hébergée de cette politique. Une exécution autonome implique le téléchargement de poids volumineux, une mémoire suffisante et l’obtention séparée des dépendances figées. L’exigence de 80 Go correspond à la configuration d’inférence indiquée pour le checkpoint de référence ; la valeur de 17,5 Go concerne la variante NVFP4 expérimentale et ne doit pas être interprétée comme la taille du téléchargement.
Le modèle génère des actions en espace articulaire et a été adapté au bras SO-100/SO-101. Il ne faut pas le confondre avec `praxis-1-droid`, une politique pour DROID, ni avec `praxis-1-yam`, destinée à une configuration bimanuelle YAM. Les capacités et les métriques de ces variantes ne s’appliquent pas au SO-101.
La fiche présente des poids BF16 bien que la variante s’appelle NVFP4 : la quantification est appliquée aux experts routés au chargement du modèle, tandis que d’autres parties restent en BF16. L’étiquette NVFP4 ne signifie donc pas que tous les poids stockés dans le dépôt sont compressés dans ce format.
Les informations publiées décrivent l’architecture, les entrées et les exigences de déploiement, mais ne fournissent ni score d’évaluation pour cette adaptation ni comparaison indépendante. Une mesure de performance attribuée à une autre politique ne comble pas cette lacune. Le taux de réussite, la robustesse aux variations de lumière et la compatibilité avec différentes configurations doivent être évalués dans les conditions d’utilisation visées.
La fiche indique une licence Apache 2.0 pour le checkpoint principal. Wan2.2 VAE et Qwen/Qwen3.5-2B sont distribués séparément et relèvent de leurs propres licences ; l’utilisation de l’ensemble suppose donc de vérifier également les conditions applicables à ces dépendances.
Ce qui est confirmé et ce qu’il ne faut pas en déduire
| Donnée | Portée de la fiche | N’implique pas |
|---|---|---|
| Checkpoint publié | Une fiche officielle est accessible sous conditions liées au compte | Un téléchargement anonyme ou un accès sans acceptation des conditions |
| 15 Hz et 24 pas | Configuration de sortie décrite pour la politique | Une fréquence garantie sur n’importe quel robot |
| 17,5 Go en NVFP4 | Mémoire indiquée pour l’exécution des experts quantifiés sur un GPU compatible | Un téléchargement de 17,5 Go ou une compatibilité avec tous les GPU |
| Licence Apache 2.0 | Licence indiquée pour le modèle principal | Que les dépendances externes relèvent de la même licence |
| Aucun score SO-101 vérifié | Les fiches ne fournissent pas de métrique numérique pour cette adaptation | Que la politique soit efficace ou inefficace pour toutes les tâches |
Comment interpréter ce lancement
Praxis-1 SO-101 est une politique publiée qui relie des instructions, des images et l’état articulaire à des actions pour un bras LeRobot. Son utilité immédiate dépend de la capacité à charger un modèle de 54,4 Go, à installer les dépendances externes et à adapter correctement les caméras et les unités. La variante NVFP4 offre une option expérimentale consommant moins de mémoire sur du matériel spécifique ; elle ne réduit pas le téléchargement et ne garantit pas une exécution plus rapide.
Pour déterminer si le modèle convient, il est utile de distinguer trois questions : la configuration physique correspond-elle au SO-100/SO-101 ? Le matériel satisfait-il les exigences de mémoire et de GPU ? La tâche précise peut-elle être exécutée de façon sûre et reproductible ? Les fiches apportent des éléments de réponse aux deux premières, mais ne fournissent pas d’évaluation du taux de réussite permettant de trancher la troisième.
Les fiches officielles de Runway établissent la disponibilité du checkpoint et ses caractéristiques. La conclusion pratique est plus limitée : le modèle peut être un candidat pour des essais contrôlés sur ce bras, mais ses résultats doivent être vérifiés pour chaque configuration. **Rien dans les informations publiées ici ne permet de lui attribuer un taux de réussite général ni d’étendre ses chiffres à d’autres robots.**
Poursuivre l’exploration
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction