Vidar

数据配方

以 Vidu 视频基座为底，用 75 万条多视角双臂轨迹（三个真机平台）继续预训练；MIDM 把视频预测解码为动作。后续 Vidarc（arXiv 2512.17661）在 100 万条跨本体 episode 上预训练。同一系列的 Vidar 真机主实验基于 Vidu 2.0。

结果与证据

官方称新本体适配仅需约 20 分钟人类示范，约为常规数据量的 1%（公司/论文口径）[1]。

已知缺陷与口径

增益依赖少量真机示范，并非零真机。20 分钟与 1% 为自报对比；仿真（RoboTwin）基线仅 π0.5，真机基线为 UniPi 与 VPP（附录另加 π0.5）。生数未对外售卖生成数据（未查到证据）。

来源

1. arXiv 2507.12898 (2026-10-14)