Каждая модель была адаптирована под домен на специфических наборах данных: 1,5 миллиона видео из NVIDIA PhysicalAI Autonomous Vehicles, 2,2 миллиона видео по робототехнике из различных источников, включая GenRobot 10Kh RealOmni и AgiBot World Beta, и 1,6 миллиона видео с физикой, из которых 1,3 миллиона — из предобучения и 300 тысяч — вручную отобранных. После адаптации под домен модели прошли второй этап обучения: RL с моделью вознаграждения для K5-AV и K5-RO, и SOAR для K5-PH. Релиз включает код и веса под лицензией MIT. В статье также подчеркивается проблема длиннохвостых данных в Physical AI, где редкие сценарии критически важны, но их сложно собрать, и отмечается, что текущие модели генерации видео часто не обладают физической достоверностью, что требует доменно-специфического обучения и постобучения.