SANA-Robot-AR RoboTwin 2.0

Fachartikel und technische Berichte

Das Weltaktionsmodell mit 4,5 Milliarden Parametern wurde anhand von 2.500 Demonstrationen aus 50 Aufgaben in sauberen RoboTwin-2.0-Szenen nachtrainiert. Aus drei Kameraperspektiven, Roboterzustand und Sprachbefehl sagt es künftiges Video und 32 Endeffektorschritte für den zweiarmigen ALOHA-AgileX voraus.

Vollständige Modellbeschreibung ansehen

Fachartikel und technische Berichte

Fachartikel / Bericht unbestätigt

Offizielle Informationen sind erfasst; ein versionsspezifischer Fachartikel oder Bericht wurde noch nicht bestätigt.

Zuletzt geprüft: 2026-11-22

Zugang und Nutzung

Modelldateien
Öffentlicher Zugang
Trainingsdaten
Öffentlicher Zugang

Der Trainingscode dieser Version ist unbestätigt. Öffentliche Code-Ressourcen belegen nicht die Verfügbarkeit der genauen Trainingsimplementierung. Prüfhinweise ansehen

Trainings- / Fine-Tuning-Code

QuelleGeprüft am · 2026-11-22

Trainingsdaten

Einige Trainingsdatensätze sind öffentlich; dies belegt keinen Zugang zur vollständigen Trainingsmischung.

Modelldateien

Modelldateien
SANA-Robot-AR RoboTwin 2.0 15kZugangGewichtelizenzKommerzielle Nutzung
Gemäß genannten Bedingungen erlaubtBedingungen

Geprüft am · 2026-11-22

Veröffentlichungsangaben

QuelleGeprüft am · 2026-11-22

Vor der Bereitstellung prüfen

Die veröffentlichten Ergebnisse gelten für ALOHA-AgileX in der RoboTwin-2.0-Simulation. Andere Roboter, Kameralayouts, Aufgaben oder Szenen erfordern weitere Feinabstimmung. Verfügbare Gewichte oder Code belegen keine sofortige Roboterkompatibilität. Prüfen Sie Konfiguration, Daten und Schnittstellen in der Quelldokumentation.

Unterlagen zu Bereitstellung und Nutzung

Laufzeit und Frameworks
PyTorch

Architektur und Ein-/Ausgaben

Modelltyp
Aktionspolicy
Architektur
WAM · Autoregressiv
Backbone
Hybrider Diffusions-Transformer (24 Gated-DeltaNet- und 8 Softmax-Attention-Schichten)
Gewichteparameter
4500000000
Aktionsgenerierung
Diffusion
Eingabe
Sprache / RGB-Bilder / Roboterzustand
Ausgabe
Zweiarmige Endeffektor-Posensteuerung, 32 Schritte pro Sequenz
Veröffentlichung
22. November 2026

Einsatzbereich und Training

Zweiarmige Endeffektor-Posensteuerung, 32 Schritte pro Sequenz

horizon 32

Ausgabe

Aktionen / Video

Vorhersageausgabe

Aktionssequenz und künftiges Video mit Frame-Schrittweite 4

Abstammung

Feinabgestimmt von: SANA-Robot · SANA-Robot-AR ↗

Trainingsdaten

  • RoboTwin 2.0

    FeinabstimmungVerfügbar

    2500 episodes · MIT License

Evaluationsergebnisse

Keine verifizierten unabhängigen Evaluationen für diese Version oder die ausgewählten Gewichte erfasst.

Alle Parameter und Prüfhinweise (Modellkarte)

Die PyTorch-Datei enthält die Policy-Parameter unter state_dict. Metadaten und Normalisierung liegen bei. Die Trainingsmetadaten nennen 50 Hz. Eine Kopfkamera (384 × 480) und zwei Handgelenkkameras (je 192 × 256) bilden ein T-förmiges Layout. Gemma 2 2B IT (Google-Bedingungen) und der LTX-2.3-Video-VAE im Diffusers-Format sind separate Downloads. Die Modellkarte nennt eval/robotwin für Policy-Server und Evaluationsadapter sowie configs/robotwin_ar.yaml für die Feinabstimmung.

Quelle oder Korrektur einreichen