Το Praxis-1, ένα μοντέλο τεχνητής νοημοσύνης με 27,2 δισεκατομμύρια παραμέτρους για τον έλεγχο ρομπότ, διατίθεται πλέον με ανοιχτά βάρη και δυνατότητα εμπορικής χρήσης. Πίσω από την κίνηση βρίσκεται ένα στρατηγικό στοίχημα: ότι τα ανοιχτά μοντέλα μπορούν να ενισχύσουν τη θέση των ΗΠΑ στη μάχη της «φυσικής» τεχνητής νοημοσύνης.
Πώς μαθαίνει ένα ρομπότ να πιάνει ένα ποτήρι, να διπλώνει μια πετσέτα ή να τακτοποιεί ένα ράφι; Μέχρι σήμερα, μία από τις βασικές μεθόδους εκπαίδευσης ήταν η επίπονη διαδικασία κατά την οποία άνθρωποι χειρίζονται εξ αποστάσεως τα ρομπότ, επαναλαμβάνοντας εργασίες ώστε να συγκεντρωθούν δεδομένα επίδειξης.
Η Runway, η εταιρεία από τη Νέα Υόρκη που έγινε γνωστή για τα εργαλεία παραγωγής βίντεο με τεχνητή νοημοσύνη, επιχειρεί να αλλάξει αυτή την προσέγγιση. Η φιλοσοφία της συνοψίζεται στο μήνυμα με το οποίο παρουσίασε το νέο μοντέλο: τα δεδομένα επίδειξης για ρομπότ είναι περιορισμένα, ενώ τα διαθέσιμα βίντεο είναι ουσιαστικά ανεξάντλητα.
Στις 11 Νοεμβρίου 2026, η εταιρεία ανακοίνωσε ότι διαθέτει πλέον το Praxis-1 με ανοιχτά βάρη, υπό την άδεια Apache 2.0, η οποία επιτρέπει και την εμπορική χρήση. Μαζί με τα βάρη, δηλαδή τις παραμέτρους που έχει μάθει το μοντέλο, δημοσιεύτηκαν ο κώδικας εκτέλεσης και τα εργαλεία προσαρμογής του σε διαφορετικά ρομπότ.
Ένα «μοντέλο κόσμου» που μετατρέπεται σε κινήσεις
Η Runway χαρακτηρίζει το Praxis-1 «world action model», δηλαδή μοντέλο που συνδυάζει την πρόβλεψη της εξέλιξης μιας σκηνής με τον έλεγχο των κινήσεων ενός ρομπότ.
Η βασική ιδέα είναι ότι ένα μοντέλο που έχει εκπαιδευτεί σε τεράστιες ποσότητες βίντεο μπορεί να αποκτήσει πληροφορίες για τον τρόπο με τον οποίο συμπεριφέρονται τα αντικείμενα, κινούνται τα χέρια και εξελίσσονται οι καθημερινές εργασίες.
Αντί να περιορίζεται στην πρόβλεψη του επόμενου καρέ ενός βίντεο, το Praxis-1 επιχειρεί να προβλέψει ταυτόχρονα πώς θα εξελιχθεί οπτικά η σκηνή και ποια κίνηση πρέπει να εκτελέσει το ρομπότ.
Η εκπαίδευσή του πραγματοποιείται σε διαδοχικά στάδια. Αρχικά αξιοποιεί γενικό οπτικοακουστικό υλικό και στη συνέχεια εκπαιδεύεται με βίντεο ανθρώπων που εκτελούν εργασίες, όπως μαγείρεμα, καθαρισμός και συναρμολόγηση, καθώς και με καταγραφές πραγματικών ρομπότ. Ακολουθεί η εκμάθηση κινήσεων με δεδομένα ρομποτικών επιδείξεων.
Επομένως, η προσέγγιση δεν καταργεί πλήρως την ανάγκη για πραγματικά δεδομένα από ρομπότ, αλλά επιχειρεί να μειώσει σημαντικά την εξάρτηση από αυτά.
Τα τεχνικά χαρακτηριστικά του Praxis-1
Το μοντέλο βασίζεται σε αρχιτεκτονική Mixture of Experts (MoE), με 27,2 δισεκατομμύρια παραμέτρους συνολικά, από τις οποίες περίπου 2,8 δισεκατομμύρια ενεργοποιούνται για κάθε επεξεργασία.
Η τεχνική έκθεση της Runway αναφέρει ότι το μοντέλο μπορεί να εκτελεστεί σε μία κάρτα γραφικών με μνήμη 80 GB, ενώ η παραγωγή κάθε νέου τμήματος κίνησης καλύπτει χρονικό διάστημα περίπου 1,6 δευτερολέπτων.
Οι προγραμματιστές μπορούν να το προσαρμόσουν σε διαφορετικά ρομπότ, κάμερες και εργασίες, χρησιμοποιώντας μεταξύ άλλων την τεχνική LoRA, η οποία επιτρέπει την εξειδίκευση ενός μοντέλου χωρίς να απαιτείται πλήρης επανεκπαίδευσή του.
Η Runway διαθέτει το Praxis-1 μέσω του GitHub και του Hugging Face, μαζί με τρεις εκδόσεις: μία προσαρμοσμένη σε μονό βραχίονα DROID, μία για το διπλό σύστημα YAM και μία βασική έκδοση που μπορεί να αποτελέσει αφετηρία για περαιτέρω ανάπτυξη.
Οι επιδόσεις και τα «ψιλά γράμματα»
Στο προσομοιωμένο τεστ RoboLab-120 της NVIDIA, το Praxis-1 πέτυχε ποσοστό επιτυχίας 46,2% σε 1.200 επεισόδια, σύμφωνα με τα στοιχεία που δημοσίευσε η Runway.
Η επίδοση αυτή είναι υψηλότερη από εκείνες των άλλων μοντέλων της συγκεκριμένης κατηγορίας που παρουσιάζονται στη συγκριτική αξιολόγηση:
- Praxis-1: 46,2%
- FLUX 3 Action: 42,9%
- Cosmos3 Nano: 36,8%
- π0.5: 28,0%
Η Runway αναφέρει ότι το μοντέλο βρίσκεται στην πρώτη θέση μεταξύ των world action models και των ανοιχτών μοντέλων ρομποτικής που αξιολογούνται στο συγκεκριμένο benchmark.
Ωστόσο, δεν βρίσκεται πρώτο στη συνολική κατάταξη. Τέσσερα συστήματα εμφανίζουν υψηλότερες επιδόσεις, μεταξύ των οποίων τα AMP1 και SenseNova-RoboRSI, τα οποία βασίζονται σε διαφορετική προσέγγιση και αξιοποιούν προηγμένα μοντέλα τεχνητής νοημοσύνης ως πράκτορες ελέγχου.
Επιπλέον, το ποσοστό 46,2% σημαίνει ότι το μοντέλο δεν ολοκλήρωσε με επιτυχία περισσότερες από τις μισές δοκιμές. Πρόκειται για αξιολόγηση σε προσομοιωμένο περιβάλλον και όχι για απόδειξη ότι μπορεί να λειτουργεί με αντίστοιχη αξιοπιστία σε πραγματικά εργοστάσια.
Η εταιρεία δημοσίευσε επίσης αποτελέσματα δοκιμών σε πραγματικό ρομποτικό βραχίονα Franka FR3. Σε σύγκριση με το FLUX 3 Action, το Praxis-1 πέτυχε 88 επιτυχημένες εκτελέσεις σε 100 δοκιμές, έναντι 80 του ανταγωνιστικού μοντέλου, σύμφωνα με την ίδια αξιολόγηση.
Από το εργαστήριο στην αποθήκη
Το Praxis-1 είχε παρουσιαστεί αρχικά στις 30 Σεπτεμβρίου 2026 και δοκιμάστηκε από τρεις εταιρείες ρομποτικής: τις Noble Machines, Standard Bots και Ultra.
Σύμφωνα με τη Runway, το ίδιο μοντέλο προσαρμόστηκε σε διαφορετικούς τύπους εξοπλισμού, από ανθρωποειδές ρομπότ με πόδια μέχρι βιομηχανικό βραχίονα έξι αξόνων και ρομπότ αποθήκης με δύο βραχίονες.
Ιδιαίτερο ενδιαφέρον παρουσιάζει και η δυνατότητα αξιοποίησης του μοντέλου σε ρομπότ που δεν περιλαμβάνονταν στα αρχικά δεδομένα εκπαίδευσής του.
Σε μία από τις δοκιμές, η Runway προσαρμόσε το Praxis-1 στο RT-1 της Google, ένα ρομποτικό σύστημα που δεν είχε εμφανιστεί στα προηγούμενα στάδια εκπαίδευσης. Στο προσομοιωμένο περιβάλλον SimplerEnv, η συγκεκριμένη έκδοση πέτυχε 80% επιτυχία, έναντι 52,4% της αρχικής πολιτικής RT-1.
Η εταιρεία αναφέρει επίσης ότι το μοντέλο μπορεί να αξιοποιηθεί για την αξιολόγηση διαφορετικών στρατηγικών κίνησης μέσα σε προσομοιωμένα περιβάλλοντα, περιορίζοντας την ανάγκη για συνεχείς δοκιμές στον πραγματικό εξοπλισμό.
Σε προηγούμενη παρουσίασή της, η Runway είχε αναφέρει συσχέτιση 0,95 μεταξύ της αξιολόγησης ρομποτικών πολιτικών μέσα στο μοντέλο κόσμου και των πραγματικών αποτελεσμάτων. Πρόκειται για εύρημα που αποδίδεται στην ίδια την εταιρεία και δεν πρέπει να συγχέεται με ποσοστό επιτυχίας 95% των ρομπότ.
Γιατί η Runway επιλέγει τα ανοιχτά μοντέλα
Η επιλογή της Runway να διαθέσει το Praxis-1 με ανοιχτά βάρη έχει και γεωπολιτική διάσταση.
Η εταιρεία υποστηρίζει ότι η ηγεσία των ΗΠΑ στη λεγόμενη «φυσική τεχνητή νοημοσύνη» εξαρτάται όχι μόνο από την ανάπτυξη προηγμένου υλικού, αλλά και από την ευρεία διάθεση λογισμικού που μπορούν να αξιοποιήσουν και να προσαρμόσουν οι κατασκευαστές.
Το σκεπτικό έχει ιδιαίτερη σημασία σε μια περίοδο κατά την οποία η Κίνα διαθέτει ισχυρό προβάδισμα στη βιομηχανική ρομποτική.
Σύμφωνα με τη Διεθνή Ομοσπονδία Ρομποτικής (IFR), η Κίνα εγκατέστησε περίπου 295.000 νέα βιομηχανικά ρομπότ το 2024, αριθμός που αντιστοιχούσε στο 54% των παγκόσμιων εγκαταστάσεων εκείνης της χρονιάς.
Η στρατηγική της Runway είναι ότι ένα ανοιχτό μοντέλο μπορεί να αποτελέσει κοινή τεχνολογική βάση για εταιρείες που κατασκευάζουν ρομπότ. Με αυτόν τον τρόπο, περισσότεροι κατασκευαστές θα μπορούν να αναπτύσσουν εφαρμογές, να δοκιμάζουν νέες λειτουργίες και να προσαρμόζουν το λογισμικό στις δικές τους ανάγκες.
Για τις επιχειρήσεις, το βασικό πλεονέκτημα είναι ο μεγαλύτερος έλεγχος: μπορούν να εκτελούν, να επιθεωρούν και να τροποποιούν το μοντέλο χωρίς να εξαρτώνται αποκλειστικά από ένα κλειστό σύστημα τρίτου παρόχου.
Από τα μοντέλα βίντεο στη φυσική πραγματικότητα
Η στροφή της Runway προς τη ρομποτική δεν είναι ξαφνική.
Ο συνιδρυτής και συνδιευθύνων σύμβουλος της εταιρείας, Αναστάσης Γερμανίδης, είχε παρουσιάσει ήδη από το 2023 το όραμα των γενικών μοντέλων κόσμου (World Models).
Η κεντρική ιδέα είναι ότι η ανάπτυξη ενός πολύ ισχυρού μοντέλου βίντεο μπορεί να αποτελέσει τη βάση για τη δημιουργία συστημάτων που δεν περιορίζονται στην παραγωγή εικόνων, αλλά αποκτούν τη δυνατότητα να προβλέπουν πώς λειτουργεί και εξελίσσεται ο φυσικός κόσμος.
Η εταιρεία, που ιδρύθηκε το 2018, διαθέτει πλέον και σημαντική οικονομική δυναμική για να υποστηρίξει αυτή την κατεύθυνση. Τον Σεπτέμβριο του 2026, ο Γερμανίδης ανακοίνωσε ότι τα ετήσια επαναλαμβανόμενα έσοδα της Runway ξεπέρασαν τα 200 εκατομμύρια δολάρια, διπλασιάζοντας τα 100 εκατομμύρια δολάρια που είχε αναφέρει τον Απρίλιο.
Τι μένει να φανεί
Το πρώτο ερώτημα είναι αν οι ανεξάρτητες αξιολογήσεις θα επιβεβαιώσουν τις επιδόσεις που παρουσιάζει η Runway. Το δεύτερο αφορά τη δυνατότητα της τεχνολογίας να λειτουργήσει αποτελεσματικά σε πολύ πιο σύνθετες συνθήκες, πέρα από τις ελεγχόμενες δοκιμές και τις συγκεκριμένες εργασίες που έχουν ήδη αξιολογηθεί.
Η ίδια η εταιρεία αναγνωρίζει ότι το Praxis-1 εξακολουθεί να αντιμετωπίζει δυσκολίες όταν πρέπει να επιλέξει ανάμεσα σε παρόμοια αντικείμενα, όταν οι οδηγίες είναι ασαφείς ή όταν μια εργασία περιλαμβάνει πολλά διαδοχικά βήματα που πρέπει να ολοκληρωθούν χωρίς νέες εντολές.
Αυτοί οι περιορισμοί δείχνουν ότι η τεχνολογία βρίσκεται ακόμη σε φάση ανάπτυξης.
Το σημαντικό, ωστόσο, είναι ότι η τεχνητή νοημοσύνη επιχειρεί πλέον να περάσει από την ψηφιακή δημιουργία στην εκτέλεση ενεργειών στον πραγματικό κόσμο. Αν η προσέγγιση της Runway αποδειχθεί αποτελεσματική σε μεγαλύτερη κλίμακα, τα ρομπότ του μέλλοντος ενδέχεται να εκπαιδεύονται όχι μόνο μέσα από επαναλαμβανόμενες ανθρώπινες επιδείξεις, αλλά και αξιοποιώντας τη γνώση που μπορούν να αντλήσουν από τεράστιες ποσότητες βίντεο.
