Verne Robotics lanza V0.5, un modelo de acción-mundo de pesos abiertos para robots industriales

Verne Robotics, una empresa de San Francisco fundada en 2025, ha publicado V0.5, que describe como un modelo de acción-mundo (world action model) de pesos abiertos pensado para acelerar el despliegue de robots industriales. El modelo se anunció el 4 de noviembre, según AI Post Hub, y los pesos están alojados en la organización de la compañía en Hugging Face, junto a un repositorio de GitHub.

Cómo funciona

Un modelo de acción-mundo aprende a partir de vídeo cómo cambian las escenas y usa ese conocimiento para decidir acciones. V0.5 une dos transformers, uno de vídeo y otro de acciones, entrenados conjuntamente con un objetivo de flow matching. Parte del modelo de vídeo Wan2.2. Durante la ejecución recibe imágenes de cámara, memoria, el estado del robot y una instrucción en lenguaje natural, y genera bloques de comandos para el efector final y la pinza a 30 Hz, sin producir fotogramas futuros. En el sistema de Verne, un modelo de visión y lenguaje comercial se encarga de la planificación de alto nivel, V0.5 actúa como política y un controlador propio funciona a 500 Hz.

El preentrenamiento usó más de 1,7 millones de demostraciones, sobre todo teleoperación y grabaciones con pinzas de mano. La empresa afirma que, sin ajuste fino, el éxito en RoboTwin 2.0 subió del 23 % al 51 % al pasar del 29 % al 100 % de sus datos de preentrenamiento, y que ahora está multiplicando por diez esos datos.

Resultados declarados

En los conjuntos de simulación LIBERO, Verne declara un 99,3 % de media, frente al 96,85 % de π0.5, de Physical Intelligence, y el 99,4 % de ABot-M0.5. En RoboTwin 2.0, con 50 tareas de dos brazos, V0.5 logra un 81,0 % en escenas limpias y un 73,4 % en escenas aleatorias tras ajustarse con 2.500 demostraciones; π0.5 obtiene un 70,7 % y un 46,0 %. Verne admite que V0.5 queda algo por detrás de π0.5 en las tareas que este ya resuelve casi siempre. La compañía sostiene que, a 1 de noviembre, es el mejor modelo de pesos abiertos de una empresa estadounidense en ambas pruebas.

Límites y dudas

Las cifras proceden de Verne y no se han reproducido de forma independiente. Las tareas reales, como la recogida en contenedores, el montaje de carriles DIN o el plegado de cajas de pizza, se muestran en vídeo, sin tasas de éxito. El anuncio no especifica la licencia ni el número de parámetros, ni aclara si el repositorio de GitHub incluye código de entrenamiento. El postentrenamiento se ofrece mediante una plataforma alojada que exige registro, además de servicios de despliegue a medida para socios.