10 月 9 日，多家媒体报道，清华唯一持股的具身智能公司星动纪元自研的世界动作模型 VPP2，在 RoboDojo 仿真榜单上登顶，把此前排名第一的 GPT-6-Astra，以及 Physical Intelligence 的 π0.5、英伟达 GR00T-N1.7 等模型甩在身后。这个模型只有 14B 参数，没有额外加数据，也没有用增强手段，并且已经开源。具身智能的这场"统一高考"，第一次由中国团队拿到最高分。
一、这个榜单为什么难打？
RoboDojo 由香港大学多媒体实验室（MMLab）牵头，联合清华大学、加州大学伯克利分校等全球近 20 所学术机构共建，目标是为具身智能建立统一、可复现的评测标准。它的仿真测试包含 42 项双臂操作任务，覆盖泛化、精准操作、长程任务、记忆、开放词汇指令理解五个维度。
它专挑机器人不擅长的题：换个环境还会不会干活？东西摆歪了还能不能抓准？任务做到一半，还记不记得前面发生了什么？这正是行业长期的尴尬——各家都在发 Demo、报成功率，但考卷不同、硬件不同、评分标准不同，横向比较几乎无从谈起。
二、成绩单到底成色如何？
按已披露数据，VPP2 综合平均成功率 32.26%，综合平均得分 39.26 分，两项指标均列第一；在泛化、精准操作、记忆三个维度上同样排名第一。
作为对比，此前登顶的 GPT-6-Astra，在 RoboDojo 仿真基准的后训练评测中平均成功率 22.48%、平均得分 28.97 分，VPP2 分别领先 9.78 个百分点和 10.29 分。
仿真之外还有真机验证。团队把 VPP2 直接部署到真实的 ALOHA 双臂机器人上，测试抓取、放置、堆叠、折叠、倾倒等 10 类零样本操作任务，平均成功率 58.5%，高于 π0.5 的 40%，10 类任务里拿下 9 类最佳。在 LIBERO-Pro 上总体成功率 45.0%（其他基线模型最高 11.0%），组合泛化测试 LIBERO-OOD 为 63.9%。
三、关键突破在哪里？
先解释一个名词。世界动作模型（WAM）的思路，是让模型通过"预测视频"来理解物理世界接下来会怎么变化，再把这种预测翻译成机器人的动作。
这条路线长期存在一个错位：视频预测得漂亮，不代表机器人真的会干活。比如要求抓左边的杯子，模型却预测抓起右边那个——画面照样生成得出来，机器人执行时却会跑偏。另一个隐患是，直接把动作学习加进视频模型，还可能损伤原有的泛化能力，出现"动作学会了，换个环境又不会做"。
VPP2 的判断很直接：视频预测的质量，决定了动作的上限。团队选择把"预测"和"动作"解耦，分三阶段训练——先做事件级视频继续预训练，让模型学会预测一整段操作过程；再把预测模型蒸馏成固定时长的单步视觉规划器，跟上机器人实时执行的速度；最后引入动作专家把预测转成具体动作，训练初期冻结视频模型基础参数、只用 LoRA 适配，尽量不破坏已建立的泛化能力。
效率上，预测未来 8 秒的视觉变化耗时约 0.12 秒，0.9B 参数的动作模块约 0.1 秒，整体动作片段生成延迟约 0.22 秒。在机器人操作视频的指令遵循测试中，14B 参数的 VPP2 达到 90% 成功率，而 64B 参数的 Cosmos3 为 78%。
四、从榜单走向真实世界
更复杂的任务还需要高层规划能力。团队采用 VLM 高层规划器负责语义理解、记忆和任务拆解，再把子任务交给 VPP2 执行，在 RoboDojo 选定的长程任务测试中，平均成功率从 27.6% 提升至 57.6%。
落地方面，据报道星动纪元已与中国邮政、顺丰等企业开展合作，在全国 5 个省市、10 余个物流中心常态化运营。需要说明的是，已有物流业务进展并不等于 VPP2 已实现规模化部署，模型能否在更多真实场景中长期稳定运行，仍需进一步验证。
对普通人意味着什么？
第一，机器人"能干活"的边界正在外扩。真正卡住具身智能商用的，从来不是演示好不好看，而是换个仓库、换个箱子还能不能干。泛化能力的提升，直接关系到未来跨场景部署的成本。
第二，参数量的迷信在被打破。14B 打赢 64B，说明优化数据管线和调整训练范式，这类看上去朴素的工程方法，仍然有机会带来可观的性能提升。
第三，开源可复现。VPP2 已开源，任何团队都能上手复现，这会加快整个行业的试错迭代速度。中期更可能先看到物流、仓储这类结构相对可控的场景持续扩量。
你觉得机器人最先大规模落地的场景，会是物流仓储，还是家庭服务？欢迎在评论区聊聊。
免责声明：本文基于公开信息整理，仅用于科技资讯分享与行业观察，不构成任何投资建议。文中涉及的企业、产品与技术参数以官方披露为准，相关技术路线与商业化前景存在不确定性。投资有风险，决策需谨慎。