Runway, bislang für generative Videomodelle bekannt, hat am Samstag sein Robotermodell Praxis-1 mit offenen Gewichten und Quellcode unter Apache 2.0 veröffentlicht — kommerzielle Nutzung eingeschlossen. Es ist der bislang klarste Versuch eines Videounternehmens, aus dem Verständnis bewegter Bilder einen Roboter-Controller zu machen, und der erste, den jeder herunterladen kann.
Das Modell war Ende September vorgestellt, aber nur ausgewählten Partnern zugänglich. Diese Phase ist vorbei: Gewichte und Code liegen auf Hugging Face und GitHub, ein Registrierungs- und Zustimmungsverfahren vorausgesetzt. Vorangepasste Varianten für verschiedene Roboter sind laut Ankündigung bereits dabei; das Basismodell braucht zusätzliches Training, bevor es einen neuen Roboter steuert.
Die Architektur folgt dem, was Runway ein „World Action Model“ nennt. Praxis-1 nimmt Kamerabilder, Textanweisungen und Angaben zur Roboterpose entgegen, sagt voraus, wie sich die Szene verändern wird, und leitet daraus die passenden Bewegungen ab. Bei jedem neuen Bildkorrigiert es sich. Trainiert wurde es in Stufen: zuerst ein Videomodell, das aus gewöhnlichem Filmmaterial lernt, wie sich Objekte bewegen und interagieren; dann Feinabstimmung mit Aufnahmen menschlicher Handlungen und echten Roboterdaten.
Der Reiz liegt im Datenbedarf. Roboterdatensätze sind teuer, weil sie in der Regel eigens erhoben werden. Runway hat für eine Franka-Roboterarm-Anpassung rund 277 Stunden aus dem öffentlichen DROID-Datensatz verwendet, für einen Doppelarm-Roboter 1.400 bis 2.600 Stunden. Ob das Verfahren insgesamt weniger Roboterdaten braucht als vergleichbare Modelle ohne Video-Vortraining, ist offen — die Zahlen deuten nicht eindeutig darauf hin.
Die Ergebnisse stammen aus eigenen Tests. Auf Nvidias RoboLab-120-Benchmark erreicht Praxis-1 eine Erfolgsquote von 46,2 Prozent und führt damit die Kategorie der World Action Models an; FLUX 3 Action kommt unter denselben Bedingungen auf 42,9 Prozent. Im Gesamtranking liegt es auf Platz fünf, hinter zwei KI-Agenten und zwei Robotermodellen anderer Architektur. Am echten Franka-Arm gelangen 88 von 100 Versuchen über zehn Aufgaben, gegenüber 80 bei FLUX 3 Action. Bei der Übertragung auf eine nie zuvor gesehene Roboterplattform — die, mit der Google RT-1 entwickelte — erreichte Praxis-1 nach rund 95 Stunden Feinabstimmung 80 Prozent, RT-1 auf demselben Benchmark 52,4 Prozent. Alle Tests hat Runway selbst durchgeführt; unabhängig überprüft sind sie nicht.
Die Grenzen benennt der Forschungsbericht selbst: Das Modell verwechselt ähnlich aussehende Objekte, kommt mit vagen Anweisungen schlecht zurecht und kann lange Aufgaben nicht selbstständig planen — einzelne Schritte müssen vorgegeben werden. Runway positioniert Praxis-1 deshalb als Ausführungsschicht, die künftig mit allgemeinen Modellen zusammenspielen soll, welche komplexe Aufgaben in Teilschritte zerlegen. Auf einem Rechner braucht die Standardversion eine GPU mit 80 GB Speicher; eine komprimierte Fassung soll laut Schätzungen auf eine RTX 5090 mit 32 GB passen, gemessen wurde die Spitzenlast laut Dokumentation nicht.
Im September hatten Standard Bots, Noble Machines und Ultra das Modell auf einem Humanoiden, einem Industrieroboterarm und einem zweiamigen Lagerroboter getestet. Dass diese Ergebnisse nun reproduzierbar sind, ist der eigentliche Punkt: Ein offenes Modell, das auf einem öffentlichen Benchmark vorn liegt, lässt sich von jedem Labor überprüfen — und widerlegen.

