RynnVLA-002 : Un modèle unifié vision-langage-action et modèle mondial
RynnVLA-002: A Unified Vision-Language-Action and World Model
November 21, 2025
papers.authors: Jun Cen, Siteng Huang, Yuqian Yuan, Hangjie Yuan, Chaohui Yu, Yuming Jiang, Jiayan Guo, Kehan Li, Hao Luo, Fan Wang, Xin Li, Deli Zhao, Hao Chen
cs.AI
papers.abstract
Nous présentons RynnVLA-002, un modèle unifié Vision-Langage-Action (VLA) et modèle du monde. Le modèle du monde exploite les entrées d'action et visuelles pour prédire les états image futurs, apprenant la physique sous-jacente de l'environnement afin d'affiner la génération d'actions. Inversement, le modèle VLA produit les actions suivantes à partir des observations images, améliorant la compréhension visuelle et soutenant la génération d'images du modèle du monde. Le cadre unifié de RynnVLA-002 permet un apprentissage conjoint de la dynamique environnementale et de la planification d'actions. Nos expériences montrent que RynnVLA-002 surpasse les modèles VLA et modèles du monde individuels, démontrant leur amélioration mutuelle. Nous évaluons RynnVLA-002 dans des tâches robotiques en simulation et dans le monde réel. RynnVLA-002 atteint un taux de réussite de 97,4 % sur le benchmark de simulation LIBERO sans pré-entraînement, tandis que dans les expériences réelles LeRobot, son modèle du monde intégré augmente le taux de réussite global de 50 %.
English
We introduce RynnVLA-002, a unified Vision-Language-Action (VLA) and world model. The world model leverages action and visual inputs to predict future image states, learning the underlying physics of the environment to refine action generation. Conversely, the VLA model produces subsequent actions from image observations, enhancing visual understanding and supporting the world model's image generation. The unified framework of RynnVLA-002 enables joint learning of environmental dynamics and action planning. Our experiments show that RynnVLA-002 surpasses individual VLA and world models, demonstrating their mutual enhancement. We evaluate RynnVLA-002 in both simulation and real-world robot tasks. RynnVLA-002 achieves 97.4% success rate on the LIBERO simulation benchmark without pretraining, while in real-world LeRobot experiments, its integrated world model boosts the overall success rate by 50%.