VPP2（星动纪元）

数据配方

在精选的带事件级字幕的操作视频上继续预训练视频基座，蒸馏为单步视觉规划器，再接 MoT 动作模块学习隐式逆动力学 [1]。预训练源为 20+ 种机器人本体的数据（OXE、DROID、RoboMIND、AgiBot World-Beta、RDT、自采 ALOHA 等）、人手视频（EgoDex、Ego4D、EPIC-KITCHENS 等）与通用视频（OpenVid、Panda-70M）；基座为 Wan2.1-I2V-14B，动作专家 0.9B DiT。

结果与证据

VPP2-14B 在开放任务指令遵循上比 Cosmos3-64B 高 11.0 pt；ALOHA 真机零样本比最强基线高 18.5 pt；在 LIBERO-Pro、LIBERO-OOD、RoboDojo 上以任务特定后训练取得最高成功率 [1]。

已知缺陷与口径

真机只测 ALOHA 一个平台，且论文称该本体在训练中见过（预训练含自采 ALOHA 数据），"零样本"指未见任务。训练数据总量与算力未公开。结论均为作者自报，v3 标注日期为 2026-10-13，仍在修订。

来源

1. arXiv 2610.10270 (2026-10-14)