Modelos
A equipe de robótica da Meituan publica o Meituan-Robotics-0 (MR0), um modelo visão-linguagem-ação para manipulação de mesa treinado com 15.060 horas de trajetórias de robôs de 12 corpos diferentes; os resultados do artigo no arXiv são autodeclarados
A Meituan publicou no arXiv o MR0, um modelo visão-linguagem-ação para manipulação de mesa, com 15.060 horas de dados. Resultados autodeclarados.
A equipe de robótica da Meituan publicou o Meituan-Robotics-0 (MR0) no arXiv em 5 de novembro de 2026. Ela o descreve como um modelo de base visão-linguagem-ação e um sistema de agente incorporado para manipulação de mesa com base fixa. O artigo diz que combina 147 milhões de amostras de visão-linguagem com 15.060 horas de trajetórias de robôs selecionadas, abrangendo 12 corpos de robô. Os resultados vêm da avaliação dos próprios autores e o artigo não passou por revisão por pares.
O essencial
- Os dados: das 15.060 horas, cerca de 3.235 horas (21,5%) vêm do RoboDesk, uma coleção de trajetórias de robôs reais de código aberto, 7.530 horas (50,0%) são dados de robôs reais licenciados e 4.295 horas (28,5%) são dados de simulação abertos. O artigo diz também que cerca de 13,6 k horas de dados incorporados foram usadas no treinamento.
- Os resultados: o resumo relata 93,6% de sucesso no RoboTwin 2.0 e o quinto lugar na pista VLA do RoboDojo. Diz também que, com pós-treinamento HG-DAgger equivalente, o MR0 supera o π0.5 em sucesso médio e progresso em três tarefas com robô real.
- O método: uma interface unificada do efetuador final dá suporte a diferentes corpos de robô, e a fusão assíncrona de blocos de ação mantém o movimento suave quando a latência de inferência varia. A página do GitHub descreve uma primeira etapa que aprende tokens de ação discretos e uma segunda que passa a controle contínuo com um modelo de flow matching.
- As tarefas: o repositório menciona demonstrações reais de colocação de blocos de letras, dobra de roupas e inserção de cabos de rede. Diz que o MR0 se apoia na pilha de treinamento e implantação StarVLA.
O que está estabelecido e o que não está
Estabelecido: o artigo existe no arXiv, com 37 autores listados, e informa a composição dos dados e os números de referência acima. Não estabelecido: uma replicação independente; o desempenho do MR0 fora dos ambientes de mesa testados; a liberação dos pesos do modelo, que não confirmamos pelo texto do repositório visto. «Mesa» aqui significa um braço fixo diante de uma mesa, não um robô móvel ou humanoide.
Por que importa
Grandes conjuntos de dados de ações de robôs estão se tornando um insumo central para modelos de robôs generalistas, e uma empresa mais conhecida por entregas publica sua própria receita e seus números. Um quinto lugar e uma comparação de três tarefas com o π0.5 são evidência estreita. Não é aconselhamento de investimento.
O que não está estabelecido
- Verificação independente dos 93,6% e da classificação: nenhuma encontrada.
- Liberação dos pesos do MR0: não confirmada nas fontes lidas.
- Desempenho em robôs móveis ou humanoides: fora do escopo do artigo.
- Revisão por pares: o artigo é um preprint.
Tabela-resumo
| Ponto | O que está declarado em 7 de novembro de 2026 | Fonte |
|---|---|---|
| Enviado | 5 de novembro de 2026 | arXiv |
| Dados de treinamento | 147 M de amostras visão-linguagem, 15.060 horas, 12 corpos | arXiv |
| Divisão | 3.235 h RoboDesk, 7.530 h reais licenciadas, 4.295 h simulação | arXiv HTML |
| Resultados relatados | 93,6% no RoboTwin 2.0; quinto no RoboDojo VLA | arXiv |
| Código | Repositório Meituan-Robotics-0, sobre o StarVLA | GitHub |
Perguntas frequentes
O que o MR0 faz?
É um modelo que transforma imagens de câmera e instruções em linguagem em ações para um braço robótico que trabalha sobre uma mesa.
Os resultados são independentes?
Não. São relatados pela equipe da Meituan no artigo.
É um modelo de humanoide?
Não. O artigo trata de manipulação de mesa com base fixa.
Método e limites
Fontes consultadas em 9 de novembro de 2026: a página de resumo do arXiv, a versão HTML do arXiv e o repositório do GitHub, lidas como trechos de busca, não na íntegra. Não executamos o modelo nem revisamos os pesos. Não é aconselhamento de investimento.
Fontes
- arXiv: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (abstract) (verificado em 2026-11-08)
- arXiv HTML: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation (HTML) (verificado em 2026-11-08)
- GitHub: Meituan-Robotics/Meituan-Robotics-0 (verificado em 2026-11-08)
Encontrou um erro neste artigo? Avise-nos · Nossa política de correções