Modelli
Il team di robotica di Meituan pubblica Meituan-Robotics-0 (MR0), un modello visione-linguaggio-azione per la manipolazione da scrivania addestrato su 15.060 ore di traiettorie di robot di 12 corpi diversi; i risultati dell’articolo su arXiv sono autodichiarati
Meituan ha pubblicato su arXiv MR0, un modello visione-linguaggio-azione per la manipolazione da scrivania, con 15.060 ore di dati. Autodichiarati.
Il team di robotica di Meituan ha pubblicato Meituan-Robotics-0 (MR0) su arXiv il 5 novembre 2026. Lo descrive come un modello di base visione-linguaggio-azione e un sistema di agente incarnato per la manipolazione da scrivania con base fissa. L’articolo dice che combina 147 milioni di campioni visione-linguaggio con 15.060 ore di traiettorie di robot selezionate, che coprono 12 corpi di robot. I risultati vengono dalla valutazione degli stessi autori e l’articolo non è stato sottoposto a revisione paritaria.
L'essenziale
- I dati: delle 15.060 ore, circa 3.235 ore (21,5%) vengono da RoboDesk, una raccolta di traiettorie di robot reali open source, 7.530 ore (50,0%) sono dati di robot reali con licenza e 4.295 ore (28,5%) sono dati di simulazione aperti. L’articolo dice anche che per l’addestramento sono state usate circa 13,6 k ore di dati incarnati.
- I risultati: l’abstract riporta il 93,6% di successo su RoboTwin 2.0 e il quinto posto nella pista VLA di RoboDojo. Dice anche che con un post-addestramento HG-DAgger equivalente MR0 batte π0.5 per successo medio e avanzamento in tre compiti con robot reale.
- Il metodo: un’interfaccia unificata dell’effettore finale supporta corpi di robot diversi, e la fusione asincrona di blocchi di azioni mantiene il movimento fluido quando la latenza di inferenza varia. La pagina GitHub descrive una prima fase che impara token di azione discreti e una seconda che passa al controllo continuo con un modello di flow matching.
- I compiti: il repository menziona dimostrazioni reali di posizionamento di blocchi con lettere, piegatura di abiti e inserimento di cavi di rete. Dice che MR0 si basa sullo stack di addestramento e distribuzione StarVLA.
Cosa è accertato e cosa no
Accertato: l’articolo esiste su arXiv, con 37 autori elencati, e riporta la composizione dei dati e i numeri di riferimento sopra. Non accertato: una replica indipendente; le prestazioni di MR0 fuori dagli ambienti da scrivania testati; la pubblicazione dei pesi del modello, che non abbiamo confermato dal testo del repository visto. «Scrivania» qui indica un braccio fisso davanti a un tavolo, non un robot mobile o umanoide.
Perché conta
I grandi dataset di azioni di robot stanno diventando un input centrale per i modelli di robot generalisti, e un’azienda più nota per le consegne pubblica la propria ricetta e i propri numeri. Un quinto posto e un confronto su tre compiti con π0.5 sono prove ristrette. Non è consulenza di investimento.
Che cosa non è accertato
- Verifica indipendente del 93,6% e della classifica: nessuna trovata.
- Pubblicazione dei pesi di MR0: non confermata nelle fonti lette.
- Prestazioni su robot mobili o umanoidi: fuori dall’ambito dell’articolo.
- Revisione paritaria: l’articolo è un preprint.
Tabella riassuntiva
| Punto | Che cosa risulta al 7 novembre 2026 | Fonte |
|---|---|---|
| Inviato | 5 novembre 2026 | arXiv |
| Dati di addestramento | 147 M di campioni visione-linguaggio, 15.060 ore, 12 corpi | arXiv |
| Ripartizione | 3.235 h RoboDesk, 7.530 h reali con licenza, 4.295 h simulazione | arXiv HTML |
| Risultati riferiti | 93,6% su RoboTwin 2.0; quinto in RoboDojo VLA | arXiv |
| Codice | Repository Meituan-Robotics-0, su StarVLA | GitHub |
FAQ
Cosa fa MR0?
È un modello che trasforma immagini di telecamera e istruzioni in linguaggio in azioni per un braccio robotico che lavora su una scrivania.
I risultati sono indipendenti?
No. Sono riferiti dal team di Meituan nell’articolo.
È un modello per umanoidi?
No. L’articolo riguarda la manipolazione da scrivania con base fissa.
Metodo e limiti
Fonti consultate il 9 novembre 2026: la pagina di abstract di arXiv, la versione HTML di arXiv e il repository GitHub, lette come estratti di ricerca, non per intero. Non abbiamo eseguito il modello né esaminato i pesi. Non è consulenza di investimento.
Fonti
- arXiv: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (abstract) (verificato il 2026-11-08)
- arXiv HTML: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (HTML) (verificato il 2026-11-08)
- GitHub: Meituan-Robotics/Meituan-Robotics-0 (verificato il 2026-11-08)
Avete notato un errore in questo articolo? Segnalatelo · La nostra politica sulle correzioni