据量子位报道，清华唯一持股的嫡系具身公司星动纪元自研的世界动作模型VPP2近日登顶RoboDojo仿真榜单，综合平均成功率为32.26%，综合平均得分39.26分，两项指标均列第一。该榜单由香港大学MMLab牵头，全球近20所顶尖学术机构共同建设。
RoboDojo仿真测试包含42项双臂操作任务，覆盖泛化、精准操作、长程任务、记忆和开放词汇指令理解五个维度。VPP2在综合成绩之外，泛化能力、精细操作、记忆能力三个维度也排名第一。量子位报道称，VPP2没有额外加数据，也没有使用Agent RSI等增强手段，仅靠标准数据集取得上述结果。
在RoboDojo仿真基准的后训练评测中，GPT-6-Astra的平均成功率为22.48%，平均得分28.97分。VPP2分别领先9.78个百分点和10.29分。成功率衡量机器人能否完整完成任务，平均得分则反映任务推进程度，两项指标均综合五个能力维度的测试结果。
仿真榜单之外，星动纪元将VPP2部署到真实ALOHA双臂机器人，测试抓取、放置、堆叠、折叠、倾倒等10类零样本操作任务，未针对这些任务额外微调。结果显示，VPP2平均成功率58.5%，高于π0.5的40%，并在10类任务中拿下9类最佳成绩。
VPP2走的是世界动作模型路线，即借助视频预测理解物理世界变化，再转化为机器人动作。这条路线长期面临的问题是视频预测质量与动作执行能力脱节。星动纪元选择将视频预测与动作学习分阶段训练，把两者解耦并重新排序。
其训练策略分三阶段：先进行事件级视频继续预训练，让模型学习完整操作过程；再进行固定时长视频后训练与蒸馏，使预测速度匹配机器人实时执行；最后训练动作专家，将视频预测转化为动作，同时尽量保留泛化能力。VPP2以阿里开源的Wan2.1-I2V-14B为基础，整合机器人操作、人类活动、通用视频等数据，并将操作过程切分成语义完整片段并配详细描述。
在机器人操作视频的指令遵循测试中，14B参数的VPP2成功率达到90%，64B参数的Cosmos3模型为78%。在速度方面，VPP2将事件级预测模型调整为固定8秒视频片段预测，通过一致性蒸馏将多步计算压缩为单步生成，预测未来8秒视觉变化耗时约0.12秒。动作侧引入0.9B参数的扩散Transformer，采用MoT架构，动作训练初期冻结视频模型基础参数，仅通过LoRA适配。最终视频预测约耗时0.12秒，动作专家约耗时0.1秒，整体动作片段生成延迟约0.22秒。
泛化测试中，LIBERO-Pro考察物体位置和任务要求变化后的操作能力，VPP2总体成功率为45.0%，其他基线模型最高为11.0%。LIBERO-OOD考察熟悉物体、布局和任务目标的重新组合，VPP2总体成功率为63.9%。
在更高层规划上，星动纪元采用VLM高层规划器负责语义理解、记忆和任务拆解，再将子任务交给VPP2执行。在RoboDojo选定的长程任务测试中，引入VLM子任务规划后，平均成功率从27.6%提升至57.6%。量子位报道提到，GPT负责理解、推理和规划，VPP2负责预测物理变化并生成动作，这一分工可能形成通用认知与通用物理执行结合的物理AI路径。星动纪元同时做大脑、本体和灵巧手，其“深全栈”战略涵盖训练、能力落地与反馈回流环节。