A Runway abriu os pesos e o código-fonte do Praxis-1, seu modelo de controle de robôs, sob licença Apache 2.0, que autoriza uso comercial. O sistema estava restrito a parceiros industriais desde o fim de setembro, e a liberação veio junto de um relatório de pesquisa com testes inéditos. O dado que concentra as atenções é o 46,2 por cento de acerto no RoboLab-120, benchmark da Nvidia com 120 tarefas de manipulação em simulação.
Como o vídeo vira movimento
A Runway construiu reputação com geradores de vídeo, caso do Gen-4.5, e agora transporta esse aprendizado para a robótica. A base é um modelo que assimilou, em filmagens comuns, como objetos se deslocam e se relacionam; a companhia depois o ajustou com vídeos de ações humanas e com dados de robôs reais. Em operação, o Praxis-1 recebe imagens de câmera, instruções em texto e a posição do robô, projeta a mudança esperada da cena e converte a projeção em movimentos, corrigindo o rumo a cada quadro novo. A empresa batizou a categoria de World Action Model.
O apelo econômico está na coleta de dados. Se o vídeo genérico reduz a dependência de gravações específicas de robô — material caro, produzido tradicionalmente só para treinar sistemas desse tipo —, o custo de levar o modelo a um equipamento novo diminui. A Runway admite que a conta segue aberta: não está provado que o volume total de dados robóticos exigidos seja menor do que o de modelos sem pré-treinamento em vídeo.
O que ficou aberto e o que ainda exige ajuste
Os arquivos estão no Hugging Face, mediante cadastro e aceite dos termos, e o código está no GitHub. Versões já adaptadas a diferentes robôs acompanham o modelo base, que isoladamente precisa de treinamento extra antes de operar em plataformas inéditas. Em hardware, a versão padrão demanda GPU com 80 GB de memória; uma variante comprimida deve caber em uma RTX 5090 de 32 GB de VRAM, conforme estimativas da própria empresa — embora a documentação no GitHub ressalve que o pico real de consumo não foi medido.
Os números, teste por teste
A adaptação a um braço Franka consumiu cerca de 277 horas de gravações do dataset público de pesquisa DROID. No robô de dois braços, a Runway usou entre 1.400 e 2.600 horas de material de treino. Parte desses dados já havia passado pelo modelo em etapas anteriores de treinamento.
O RoboLab-120 mede a confiabilidade em ordenar, agarrar e empilhar objetos em 120 tarefas simuladas. O Praxis-1 marca 46,2 por cento de sucesso, contra 42,9 por cento do FLUX 3 Action, também um World Action Model — o que coloca a criação da Runway no topo dessa fatia do ranking. Na classificação geral, porém, ela é quinta, atrás de dois agentes de IA e de dois modelos de robô de arquiteturas distintas. Toda a bateria foi conduzida pela própria Runway, sem verificação independente até aqui.
No braço Franka real, o modelo encarou dez tarefas — colocar uma banana no prato, fechar uma gaveta — com dez tentativas para cada uma. Foram 88 acertos do Praxis-1, contra 80 do FLUX 3 Action no mesmo total de 100 tentativas.
O teste de transferência usou uma plataforma móvel com braço e garra que o Google empregou no desenvolvimento do RT-1; as gravações desse robô ficaram fora do treinamento original. Após ajuste com cerca de 95 horas de dados, o Praxis-1 atingiu média de 80 por cento de sucesso em simulação, em quatro famílias de tarefas: pegar latas de refrigerante, abrir e fechar gavetas e colocar uma maçã dentro da gaveta. O RT-1 original ficou em 52,4 por cento no mesmo benchmark.
| Avaliação | Praxis-1 | Referência | Leitura |
|---|---|---|---|
| RoboLab-120 (120 tarefas em simulação) | 46,2 por cento | FLUX 3 Action: 42,9 por cento | Melhor da categoria World Action Model; quinto lugar no geral |
| Braço Franka real (10 tarefas, 10 tentativas cada) | 88 acertos | FLUX 3 Action: 80 acertos | 100 tentativas no total |
| Plataforma móvel tipo RT-1 (após 95 horas de ajuste) | 80 por cento | RT-1 original: 52,4 por cento | Testes em simulação, quatro tipos de tarefa |
Onde o modelo ainda tropeça
O relatório lista limites explícitos: confusão entre objetos parecidos e dificuldade com instruções vagas. Em tarefas longas, cada etapa precisa ser descrita, porque o Praxis-1 ainda não planeja sequências complexas de forma confiável sozinho. A proposta da Runway é usá-lo como executor veloz de movimentos, possivelmente ao lado de modelos generalistas que fatiam tarefas em passos menores. Desde setembro, Standard Bots, Noble Machines e Ultra testam a ferramenta em um humanoide, um braço industrial e um robô de armazém de dois braços.
O que isso significa para o investidor
Pesos abertos sob Apache 2.0 encurtam o caminho de quem desenvolve robótica sem querer treinar um modelo do zero e deslocam a disputa para dados, integração e capacidade de processamento. Três pontos merecem acompanhamento:
- Custo de dados: a vantagem do pré-treinamento em vídeo só se sustenta se o ajuste fino continuar barato — 277 horas em um braço e até 2.600 horas em outro mostram que a adaptação ainda consome volume relevante.
- Verificação independente: os resultados saíram da própria Runway. Rankings externos ganham peso à medida que laboratórios e clientes reproduzem as medições.
- Gargalo de computação: a exigência de 80 GB na versão padrão e de 32 GB na comprimida indica que a inferência em robótica segue ancorada em aceleradores, o que interessa à cadeia de semicondutores — a Nvidia (NVDA), dona do benchmark, inclusive.
Para quem investe a partir do Brasil, o acesso ao tema é indireto, por fundos e ETFs com exposição a tecnologia e semicondutores no exterior. Acompanhar a replicação independente dos testes e os primeiros desdobramentos comerciais entre as parceiras tende a render leitura mais concreta do que o anúncio em si.