Modelos
El equipo de robótica de Meituan publica Meituan-Robotics-0 (MR0), un modelo visión-lenguaje-acción para manipulación de escritorio entrenado con 15.060 horas de trayectorias de robots de 12 cuerpos distintos; los resultados del artículo de arXiv son autoinformados
Meituan publicó en arXiv MR0, un modelo visión-lenguaje-acción para manipulación de escritorio, con 15.060 horas de datos. Resultados autoinformados.
El equipo de robótica de Meituan publicó Meituan-Robotics-0 (MR0) en arXiv el 5 de noviembre de 2026. Lo describe como un modelo de base visión-lenguaje-acción y un sistema de agente encarnado para manipulación de escritorio con base fija. El artículo dice que combina 147 millones de muestras de visión-lenguaje con 15.060 horas de trayectorias de robots seleccionadas, que abarcan 12 cuerpos de robot. Los resultados proceden de la evaluación de los propios autores y el artículo no ha pasado revisión por pares.
Lo esencial
- Los datos: de las 15.060 horas, unas 3.235 horas (21,5 %) proceden de RoboDesk, una colección de trayectorias de robots reales de código abierto, 7.530 horas (50,0 %) son datos de robots reales con licencia y 4.295 horas (28,5 %) son datos de simulación abiertos. El artículo dice también que se usaron unas 13,6 k horas de datos encarnados en el entrenamiento.
- Los resultados: el resumen informa de un 93,6 % de éxito en RoboTwin 2.0 y del quinto puesto en la pista VLA de RoboDojo. Dice también que con un posentrenamiento HG-DAgger equivalente, MR0 supera a π0.5 en éxito medio y progreso en tres tareas con robot real.
- El método: una interfaz unificada del efector final admite distintos cuerpos de robot, y la fusión asíncrona de bloques de acciones mantiene el movimiento fluido cuando varía la latencia de inferencia. La página de GitHub describe una primera etapa que aprende tokens de acción discretos y una segunda que pasa a control continuo con un modelo de flow matching.
- Las tareas: el repositorio menciona demostraciones reales de colocación de bloques de letras, plegado de ropa e inserción de cables de red. Dice que MR0 se apoya en la pila de entrenamiento y despliegue StarVLA.
Qué está establecido y qué no
Establecido: el artículo existe en arXiv, con 37 autores listados, y expone la composición de datos y las cifras de referencia anteriores. No establecido: una réplica independiente; el rendimiento de MR0 fuera de los entornos de escritorio probados; la publicación de los pesos del modelo, que no confirmamos con el texto del repositorio visto. «Escritorio» significa aquí un brazo fijo ante una mesa, no un robot móvil o humanoide.
Por qué importa
Los grandes conjuntos de datos de acciones de robots se están volviendo un insumo central para modelos de robots generalistas, y una empresa más conocida por el reparto publica su propia receta y sus cifras. Un quinto puesto y una comparación de tres tareas con π0.5 son evidencia estrecha. No es asesoramiento de inversión.
Lo que no está establecido
- Verificación independiente del 93,6 % y de la clasificación: ninguna encontrada.
- Publicación de los pesos de MR0: no confirmada en las fuentes leídas.
- Rendimiento en robots móviles o humanoides: fuera del alcance del artículo.
- Revisión por pares: el artículo es un preprint.
Tabla resumen
| Punto | Lo que se afirma a 7 de noviembre de 2026 | Fuente |
|---|---|---|
| Enviado | 5 de noviembre de 2026 | arXiv |
| Datos de entrenamiento | 147 M de muestras visión-lenguaje, 15.060 horas, 12 cuerpos | arXiv |
| Reparto | 3.235 h RoboDesk, 7.530 h reales con licencia, 4.295 h simulación | arXiv HTML |
| Resultados informados | 93,6 % en RoboTwin 2.0; quinto en RoboDojo VLA | arXiv |
| Código | Repositorio Meituan-Robotics-0, sobre StarVLA | GitHub |
Preguntas frecuentes
¿Qué hace MR0?
Es un modelo que convierte imágenes de cámara e instrucciones en lenguaje en acciones para un brazo robótico que trabaja sobre un escritorio.
¿Son independientes los resultados?
No. Los informa el equipo de Meituan en el artículo.
¿Es un modelo de humanoide?
No. El artículo se centra en la manipulación de escritorio con base fija.
Método y límites
Fuentes consultadas el 9 de noviembre de 2026: la página de resumen de arXiv, la versión HTML de arXiv y el repositorio de GitHub, leídas como extractos de búsqueda, no completas. No ejecutamos el modelo ni revisamos los pesos. No es asesoramiento de inversión.
Fuentes
- arXiv: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (abstract) (verificado el 2026-11-08)
- arXiv HTML: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (HTML) (verificado el 2026-11-08)
- GitHub: Meituan-Robotics/Meituan-Robotics-0 (verificado el 2026-11-08)
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones