数据就位之后，VPP2 构建在预训练的 Wan2.1-I2V-14B 视频模型之上，训练分三步：先在覆盖完整轨迹的事件级数据上做继续预训练，把视频底座练成一个可泛化的未来预测器；再在固定时域的视频块上后训练…...
VLAct 的整个 continued pre-training 只使用开源数据和 16 张 GPU，但成绩相当能打：RoboTwin 2.0成功率达到 92.5%；在 RoboDojo 榜单中超过所有明…...
