Modèles
L’équipe robotique de Meituan publie Meituan-Robotics-0 (MR0), un modèle vision-langage-action pour la manipulation sur un bureau entraîné sur 15 060 heures de trajectoires de robots couvrant 12 formes de robots ; les résultats de l’article arXiv sont auto-déclarés
Meituan publie sur arXiv MR0, un modèle vision-langage-action pour la manipulation de bureau, avec 15 060 heures de données. Résultats auto-déclarés.
L’équipe robotique de Meituan a publié Meituan-Robotics-0 (MR0) sur arXiv le 5 novembre 2026. Elle le décrit comme un modèle de fondation vision-langage-action et un système d’agent incarné pour la manipulation sur un bureau avec une base fixe. L’article dit qu’il combine 147 millions d’échantillons vision-langage et 15 060 heures de trajectoires de robots triées, couvrant 12 formes de robots. Les résultats viennent de l’évaluation des auteurs eux-mêmes et l’article n’a pas été relu par des pairs.
L'essentiel
- Les données : sur les 15 060 heures, environ 3 235 heures (21,5 %) viennent de RoboDesk, une collection de trajectoires de robots réels en open source, 7 530 heures (50,0 %) sont des données de robots réels sous licence et 4 295 heures (28,5 %) sont des données de simulation ouvertes. L’article dit aussi qu’environ 13,6 k heures de données incarnées ont servi à l’entraînement.
- Les résultats : le résumé rapporte 93,6 % de réussite sur RoboTwin 2.0 et la cinquième place de la piste VLA de RoboDojo. Il dit aussi qu’avec un post-entraînement HG-DAgger équivalent, MR0 dépasse π0.5 en réussite moyenne et en progression sur trois tâches de robot réel.
- La méthode : une interface unifiée d’effecteur terminal prend en charge différents corps de robots, et la fusion asynchrone de blocs d’actions garde le mouvement fluide quand la latence d’inférence varie. La page GitHub décrit une première étape qui apprend des jetons d’action discrets et une seconde qui passe à un contrôle continu avec un modèle de flow matching.
- Les tâches : le dépôt mentionne des démonstrations réelles de placement de blocs de lettres, de pliage de vêtements et d’insertion de câbles réseau. Il dit que MR0 s’appuie sur la pile d’entraînement et de déploiement StarVLA.
Ce qui est établi et ce qui ne l’est pas
Établi : l’article existe sur arXiv, avec 37 auteurs listés, et indique la composition des données et les chiffres de référence ci-dessus. Non établi : une réplication indépendante ; les performances de MR0 hors des cadres de bureau testés ; la publication des poids du modèle, que nous n’avons pas confirmée à partir du texte du dépôt vu. « Bureau » signifie ici un bras fixe devant une table, pas un robot mobile ou humanoïde.
Pourquoi c’est important
Les grands jeux de données d’actions de robots deviennent une ressource centrale pour les modèles de robots généralistes, et une entreprise plus connue pour la livraison publie sa propre recette et ses chiffres. Un classement à la cinquième place et une comparaison sur trois tâches avec π0.5 sont des preuves étroites. Ceci n’est pas un conseil en investissement.
Ce qui n'est pas établi
- Une vérification indépendante du 93,6 % et du classement : aucune trouvée.
- La publication des poids de MR0 : non confirmée dans les sources lues.
- Les performances sur robots mobiles ou humanoïdes : hors du champ de l’article.
- La relecture par des pairs : l’article est un préprint.
Tableau récapitulatif
| Point | Ce qui est affirmé au 7 novembre 2026 | Source |
|---|---|---|
| Soumis | 5 novembre 2026 | arXiv |
| Données d’entraînement | 147 M d’échantillons vision-langage, 15 060 heures, 12 formes de robots | arXiv |
| Répartition | 3 235 h RoboDesk, 7 530 h réelles sous licence, 4 295 h simulation | arXiv HTML |
| Résultats rapportés | 93,6 % sur RoboTwin 2.0 ; 5e à RoboDojo VLA | arXiv |
| Code | Dépôt Meituan-Robotics-0, fondé sur StarVLA | GitHub |
FAQ
Que fait MR0 ?
C’est un modèle qui transforme des images de caméra et des instructions en langage en actions pour un bras de robot travaillant sur un bureau.
Les résultats sont-ils indépendants ?
Non. Ils sont rapportés par l’équipe de Meituan dans l’article.
Est-ce un modèle de humanoïde ?
Non. L’article vise la manipulation sur un bureau avec une base fixe.
Méthode et limites
Sources consultées le 9 novembre 2026 : la page de résumé arXiv, la version HTML d’arXiv et le dépôt GitHub, lus sous forme d’extraits de recherche, pas en entier. Nous n’avons pas exécuté le modèle ni examiné les poids. Ceci n’est pas un conseil en investissement.
Sources
- arXiv : Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (abstract) (vérifié le 2026-11-08)
- arXiv HTML : Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (HTML) (vérifié le 2026-11-08)
- GitHub : Meituan-Robotics/Meituan-Robotics-0 (vérifié le 2026-11-08)
Une erreur dans cet article ? Signalez-la · Notre politique de corrections