# Runway mở mã nguồn Praxis-1, biến AI video thành bộ điều khiển robot

> **TL;DR:** Runway phát hành Praxis-1 với trọng số và mã nguồn mở theo giấy phép Apache 2.0, cho phép dùng thương mại. Mô hình nhận ảnh camera, chỉ dẫn bằng văn bản và dữ liệu vị trí để tính ra chuyển động phù hợp cho robot. Trên bảng xếp hạng RoboLab-120 của NVIDIA, Praxis-1 đạt 46.2%, dẫn đầu nhóm World Action Model. Toàn bộ kết quả do Runway tự thực hiện, chưa có kiểm chứng độc lập. Mô hình vẫn nhầm các vật giống nhau, chưa tự lập kế hoạch cho chuỗi hành động phức tạp.

- Bài gốc: https://migovi.com/praxis-1-runway-mo-ma-nguon-robot/
- Tác giả: [Zombieman](https://migovi.com/author/domkhung/)
- Ngày đăng: 2026-11-14T17:00:03+07:00
- Chuyên mục: AI, News
- Nguồn: [The Decoder (AI)](https://the-decoder.com/runways-open-source-praxis-1-turns-video-ai-into-a-robot-controller/)

---

Runway công bố mã nguồn mở Praxis-1, mô hình [AI](https://migovi.com/tag/ai/) học từ video để điều khiển robot, đạt 46.2% trên RoboLab-120 của [NVIDIA](https://migovi.com/tag/nvidia/) trong bài thử do hãng tự chạy.

## Praxis-1 là gì

Runway, hãng nổi tiếng với các mô hình video tạo sinh như Gen-4.5, vừa mở toàn bộ trọng số và mã nguồn của Praxis-1 theo giấy phép Apache 2.0. Mô hình này được giới thiệu từ cuối tháng 9 nhưng lúc đầu chỉ dành cho một số đối tác chọn lọc. Cùng đợt phát hành, hãng công bố thêm báo cáo nghiên cứu chi tiết kèm các bài thử hiệu năng mới.

![Runway Praxis-1](https://migovi.com/wp-content/uploads/2026/11/praxis-1-runway-mo-ma-nguon-robot-1.jpg)

Praxis-1 nhận ảnh từ camera, chỉ dẫn bằng văn bản và thông tin về vị trí của robot. Từ đó, mô hình dự đoán môi trường sẽ thay đổi ra sao rồi tính chuyển động phù hợp. Khi có khung hình mới, hệ thống liên tục điều chỉnh lại lệnh điều khiển. Runway gọi đây là World Action Model.

## Học từ video để giảm phụ thuộc dữ liệu robot

Nền tảng của Praxis-1 là một mô hình video đã học cách vật thể chuyển động và tương tác từ cảnh quay thông thường. Runway sau đó tinh chỉnh bằng video hành động của con người cùng dữ liệu robot. Cách làm này có thể giảm nhu cầu về các bộ dữ liệu robot chuyên biệt vốn rất tốn kém.

Tuy vậy, mô hình vẫn cần một lượng dữ liệu robot nhất định. Để thích ứng với cánh tay Franka, Runway dùng khoảng 277 giờ ghi hình từ bộ dữ liệu nghiên cứu công khai DROID. Với robot hai tay, hãng dùng từ 1400 đến 2600 giờ tài liệu huấn luyện. Việc cách tiếp cận này có thật sự cần ít dữ liệu robot hơn các mô hình không qua tiền huấn luyện video hay không vẫn là câu hỏi bỏ ngỏ.

![Praxis-1 - praxis evidence tennis ball](https://migovi.com/wp-content/uploads/2026/11/praxis-1-runway-mo-ma-nguon-robot-2.jpg)

## Kết quả thử nghiệm

Trên bảng xếp hạng RoboLab-120 của NVIDIA, Praxis-1 đạt tỷ lệ thành công 46.2%. Bài thử gồm 120 tác vụ mô phỏng như phân loại, cầm nắm hoặc xếp chồng vật thể. FLUX 3 Action, cũng là một World Action Model, đạt 42.9% trong cùng điều kiện. Nhờ vậy Praxis-1 đứng đầu nhóm World Action Model, còn ở bảng tổng thì xếp thứ năm sau hai AI agent và hai mô hình robot có kiến trúc khác.

Sau khi tinh chỉnh bằng dữ liệu DROID, Runway thử trên cánh tay Franka thật với mười tác vụ như đặt quả chuối lên đĩa hay đóng ngăn kéo. Mỗi tác vụ làm mười lần, Praxis-1 thành công 88 lần còn FLUX 3 Action được 80 lần. Hãng cũng thử trên một robot di động có tay gắp mà Google từng dùng để phát triển RT-1, loại robot chưa xuất hiện trong huấn luyện trước đó. Sau khi tinh chỉnh với khoảng 95 giờ dữ liệu, Praxis-1 đạt trung bình 80% trong mô phỏng, trong khi RT-1 gốc đạt 52.4% trên cùng bài thử.

![Praxis-1](https://migovi.com/wp-content/uploads/2026/11/praxis-1-runway-mo-ma-nguon-robot-3.jpg)

## Yêu cầu phần cứng và giới hạn

Nhà phát triển có thể tải Praxis-1 từ Hugging Face sau khi đăng ký và đồng ý điều khoản truy cập, còn mã nguồn nằm trên GitHub. Runway cũng cung cấp sẵn các phiên bản đã điều chỉnh cho nhiều loại robot. Riêng mô hình nền vẫn cần huấn luyện thêm trước khi chạy với hệ thống robot mới.

Bản tiêu chuẩn cần [GPU](https://migovi.com/tag/gpu/) có 80 GB bộ nhớ. Theo ước tính của Runway, bản nén có thể chạy trên [RTX 5090](https://migovi.com/tag/rtx-5090/) với 32 GB VRAM. Tuy nhiên, tài liệu GitHub cho biết mức dùng bộ nhớ đỉnh thực tế chưa được đo.

Theo báo cáo nghiên cứu, mô hình đôi lúc nhầm các vật trông giống nhau, đồng thời xử lý kém những chỉ dẫn mơ hồ. Với tác vụ dài, người dùng phải nêu rõ từng bước vì Praxis-1 chưa tự lập kế hoạch đáng tin cậy cho chuỗi hành động phức tạp. Runway xem đây chủ yếu là hệ thống thực thi nhanh chuyển động robot, về sau có thể phối hợp với các mô hình AI đa dụng chuyên chia nhỏ công việc.

✒️ GÓC NHÌN MIGOVI

Điểm đáng chú ý của Praxis-1 là việc đưa năng lực hiểu chuyển động từ video vào robot, kèm giấy phép Apache 2.0 cho phép dùng thương mại. Dù vậy, các con số hiện chỉ đến từ thử nghiệm nội bộ của Runway, nên độc giả nên chờ kiểm chứng độc lập trước khi so sánh với các mô hình khác. Bản nén chạy được trên RTX 5090 cũng mới là ước tính, chưa phải số đo thực tế.

Nguồn: [The Decoder (AI)](https://the-decoder.com/runways-open-source-praxis-1-turns-video-ai-into-a-robot-controller/)