Runway publica Praxis-1: control robótico con pesos abiertos

Runway publicó el 14 de noviembre de 2026 su modelo Praxis-1 para el control de robots, con pesos abiertos y código fuente. El modelo recibe imágenes de cámara, instrucciones de texto y datos de posición del robot; a continuación, predice los cambios que podrían producirse en el entorno y calcula los movimientos correspondientes. Actualiza las decisiones de control a medida que llegan nuevos fotogramas de cámara. Los pesos y el código se distribuyen bajo la licencia Apache 2.0; el modelo puede descargarse desde Hugging Face tras registrarse y aceptar las condiciones de acceso.

Del video al control robótico

Praxis-1 se basa en un modelo que aprende, a partir de videos cotidianos, cómo se mueven los objetos y cómo interactúan entre sí. Runway también lo entrenó con videos de acciones humanas y datos de robots. El enfoque de la empresa busca reducir la necesidad de recopilar datos específicos para robots. Sin embargo, también se indica que para adaptar el modelo publicado a nuevos tipos de robots se requiere entrenamiento adicional con datos robóticos.

Runway describe Praxis-1 como un «World Action Model» que predice el estado futuro de una escena y lo convierte en movimientos del robot. Según la empresa, Standard Bots, Noble Machines y Ultra prueban el modelo en distintos sistemas desde septiembre. Entre las plataformas evaluadas hay un robot humanoide, un brazo robótico industrial y un robot de almacén con dos brazos.

¿Cómo interpretar los resultados de las pruebas?

En las pruebas comunicadas por Runway, Praxis-1 obtuvo una tasa de éxito del 46,2 % en 120 tareas simuladas de la clasificación NVIDIA RoboLab-120. Las tareas abarcan separar, agarrar y apilar objetos. En las mismas condiciones de prueba, FLUX 3 Action obtuvo un 42,9 %. Praxis-1 ocupa el primer puesto en la categoría World Action Model y el quinto en la clasificación general, por detrás de dos agentes de IA y dos modelos robóticos con arquitecturas diferentes. Las pruebas las realizó Runway; los resultados no se han verificado de forma independiente.

La empresa también hizo una prueba con un brazo robótico Franka real. Se realizaron diez intentos para cada una de las diez tareas; Praxis-1 tuvo éxito en 88 intentos en total, mientras que FLUX 3 Action registró 80 aciertos. En otra prueba, el modelo se adaptó a un tipo de robot móvil con el que no se había encontrado antes. Según Runway, tras un entrenamiento adicional con aproximadamente 95 horas de datos robóticos, la tasa media de éxito en la simulación fue del 80 %. En la misma comparación, el modelo RT-1 de Google alcanzó un 52,4 %.

Requisitos de hardware y limitaciones conocidas

La documentación de Runway indica que la versión estándar de Praxis-1 requiere una GPU con 80 GB de memoria. Según la estimación de memoria de la empresa, se espera que la versión comprimida quepa en una RTX 5090 con 32 GB de VRAM. Sin embargo, la documentación también señala que aún no se ha medido el uso máximo de memoria de esta versión. El modelo base requiere entrenamiento adicional para funcionar en distintos sistemas robóticos; Runway afirma que también ofrece versiones preadaptadas para algunos robots.

El modelo puede confundir objetos de aspecto similar y tener dificultades con instrucciones poco claras. En tareas largas, es necesario describir el trabajo en pasos separados; Praxis-1 todavía no puede planificar por sí solo secuencias complejas de acciones de forma fiable. Por ello, las tasas de éxito de las pruebas no demuestran que vaya a ofrecer el mismo rendimiento con otros robots y tareas.

Efectos en los flujos de trabajo de arquitectura y visualización

Praxis-1 no se presenta en la fuente como una herramienta diseñada para software de arquitectura o producción de archviz. Sin embargo, que los robots se muevan en entornos físicos mediante imágenes de cámara e instrucciones es un avance que deben seguir los equipos que evalúan sistemas robóticos en proyectos espaciales. Las oficinas que consideren su uso deben analizar la necesidad de entrenamiento adicional para el robot objetivo, la memoria de la GPU y las condiciones de la licencia Apache 2.0.

Que el modelo procese imágenes de cámara no significa, por sí solo, que esté integrado con un software de renderizado o una escena arquitectónica. La fuente no ofrece información sobre este tipo de compatibilidad. Por tanto, la relevancia actual de Praxis-1 para la arquitectura y la visualización se limita a su función como modelo de control de robots que realizan tareas en espacios físicos, más que a la oferta de una herramienta de producción directa.