​清华与星动纪元联合开源首个 AIGC 机器人大模型 VPP

近日，星动纪元宣布，已与清华大学叉院的 ISRLab 合作，开源了首个 AIGC（生成式人工智能内容）机器人大模型 ——VPP(视频预测策略)。这一创新成果有望在机器人领域带来革命性的进展。

VPP 模型通过将视频扩散模型的泛化能力引入到通用机器人操作策略中，解决了以往机器人推理速度慢的问题。VPP 能够实时预测未来动作，从而极大提升机器人的策略泛化能力。值得注意的是，这一模型已在国际机器学习大会（ICML2025）上获得 Spotlight 认可，展现出其研究的前沿性和重要性。

实时预测与高效执行

VPP 的一大亮点在于其预测能力。传统的机器人策略通常依赖于当前观测来进行动作学习，而 VPP 则能够提前 “预知” 未来的场景，从而在执行指令时显得更加从容。通过该模型，机器人的执行速度能够实现 “更快一步”，在仅需150毫秒的推理时间内，预测频率达到6-10Hz，控制频率更是超过50Hz，极大提升了动作执行的流畅性。

 跨本体学习的优势

在以往的模型中，不同类型机器人的数据难以融合，导致学习效率低下。而 VPP 能够直接利用多种形态机器人的视频数据进行学习，降低了对高质量真实数据的依赖。此外，VPP 还可通过学习人类动作数据，进一步提升模型的泛化能力。

 基准测试表现优异

在最近的 Calvin ABC-D 基准测试中，VPP 模型以4.33的任务完成平均长度接近满分5.0，展现出显著的性能优势。与之前的技术相比，VPP 提升幅度达41.5%。在真实世界的灵巧操作测试中，该模型在多任务学习和泛化能力上同样表现不俗，能完成超过100种复杂操作任务，显示出其在实际应用中的强大潜力。

VPP 模型的可解释性也是其一大亮点。开发者能够通过模型预测的视频提前识别潜在的失败场景，并进行针对性的调试与优化，相较于传统的端到端模型，这一优势使得开发过程更加高效。

项目地址:https://video-prediction-policy.github.io