近日，星动纪元（ROBOTERA）宣布其自研世界动作模型（WAM）VPP2（Video Prediction Policy 2）在RoboDojo仿真榜单上以平均成功率32.26%、平均得分39.26分位居榜首，并在泛化、精细操作、记忆三个维度取得第一。

该成绩超过GPT-6 Astra、Physical Intelligence的π0.5以及英伟达GR00T-N1.7等模型。更值得关注的是，团队强调VPP2仅使用标准数据集，未引入额外数据或Agent RSI等增强手段，并同步开源。

RoboDojo由香港大学MMLab牵头，联合全球近20所学术机构共建，包含42项双臂任务，覆盖泛化、精度、长程执行、记忆与开放词汇指令等维度，其价值在于提供相对统一、可比较的评测标尺，推动行业从Demo展示走向可量化竞争。VPP2的登顶发生在这一背景下，具有一定参照意义。

星动纪元本身是清华大学唯一直接持股的具身公司，创始人陈建宇为清华交叉信息研究院助理教授、加州伯克利博士，团队此前在VPP、ERA-42、Ctrl-World等方向有持续积累，并已有物流等场景的本体部署。

技术路线上，星动纪元的VPP2核心主张是“先把未来预测准，再把动作做对”。现有世界动作模型常因基座视频模型未针对操作优化、或简单把动作模块硬塞进视频模型而损失泛化。

VPP2采用分阶段解耦：先在大规模、多样化的操作视频上做事件级继续预训练，强化指令跟随的未来画面预测；再后训练并蒸馏为单步视觉规划器；最后通过混合Transformer（MoT）架构接入动作模块，学习隐式逆动力学。模型规模约14B，在视频指令遵循测试中部分指标超过参数量更大的Cosmos3-64B。这种“预测优先、动作嫁接”的路径，试图在保留视频模型泛化性的同时注入可执行动作，是其相对优势所在。

真机侧，团队在ALOHA双臂平台上测试10类零样本任务（抓取、放置、堆叠、折叠、倾倒等），报告平均成功率58.5%，高于π0.5的40%，并在9类任务中领先。LIBERO-Pro与LIBERO-OOD上也有较好表现。结果说明仿真榜单成绩并非完全孤立于物理交互。开源与可复现声明，也回应了行业对“榜单不可复现”的常见质疑。

然而，另一个角度来看，VPP2在开放式任务上的成功率明显低于部分对照（如PhysicalRSI），说明“综合第一”并不等于全维度领先。RoboDojo榜首近期更替频繁，仿真与真机、零样本与后训练之间存在差距，推理延迟与部署鲁棒性仍需更多独立验证。通用大模型（如GPT系列）跨界参评，本身也表明具身赛道竞争正在快速变化。

VPP2的价值更多在于方法论与工程可复现性：它展示了在不堆额外数据与外挂增强的情况下，通过视频预测与动作解耦仍能在难基准上拉开差距，并为开源社区提供了可检验的基线。对中国具身智能而言，这是清华系团队在世界动作模型方向的一次有据可查的进展，未来关键在于，仿真优势能否稳定迁移到更多真机场景、长程任务与开放环境，以及开源后社区能否复现并进一步改进。