身体性AIモデル

Unitree Robotics による卓上操作と全身操作向けのヒューマノイド基盤モデル群。

Figure AI が開発するヒューマノイド向け視覚・言語・行動システム。

Skild AI は、異なるロボットの身体を制御する汎用ロボット基盤モデルを開発しています。

ロボット動作制御の視覚・言語・行動モデル。

空間理解と計画向けの身体性推論モデル。

ロボット機器上のローカル実行向けに最適化した VLA。

ロボット制御向け自己回帰映像・行動世界モデルファミリー。

実世界ロボット展開向けAi2行動推論モデルファミリー。

WALL-OSSはX Square Robotの視覚・言語・行動モデルファミリーです。公式研究ページの日付は2025-09-08で、論文は2025-09-15にarXivへ提出されました。

クロスエンボディメント制御向けNVIDIA基盤モデルファミリー。

Physical Intelligenceの視覚・言語・行動モデルファミリー。

未来想像を学習しつつ推論時にはロールアウト不要の世界・行動モデルファミリー。

ロボット・タスク進捗向け汎用視覚言語報酬モデル。

映像とロボット行動を同時予測する NVIDIA 世界行動モデル。

Unitreeが開発する、汎用的なヒューマノイド操作向けの視覚・言語・行動モデルファミリー。

9種の双腕構成・2万時間で事前学習した Robbyant VLA。

Evo-1 は上海交通大学人工知能学院の MINT 研究室による軽量な視覚・言語・行動モデルです。二段階学習で意味的整合性を保持します。論文は2025年11月6日に公開され、筆頭著者は Tao Lin です。

ソフトプロンプトを用いるクロスエンボディメントVLAファミリー。

Genie Operator-1 は AgiBot World チームの視覚言語行動モデルです。潜在行動表現を用いて操作データで事前学習し、重み、微調整コードと推論例を公開しています。GO-1 Air は潜在プランナーを省きます。

双腕操作向けRobotics Diffusion Transformerファミリー。

EO-1は、視覚・テキスト・行動の交互学習で多モーダル推論と動作生成を統合する汎用ロボット制御モデルです。論文には上海AI研究所、復旦大学、AgiBot、西北工業大学が記載されています。

手軽なロボット学習向けの小型VLAファミリー。

ロボット操作向けオープン視覚・言語・行動モデルファミリー。

オープンソース汎用ロボット方策ファミリー。

RT-X は Google DeepMind が主導する Open X-Embodiment Collaboration のロボット方策シリーズです。RT-1-X は非VLM型でコードと重みを公開。RT-2-X はVLMを利用し、55Bと5Bの研究構成があります。

1X が NEO ロボットの学習に用いるワールドモデル。

Genie Envisioner は、GE-Base、GE-Act、GE-Sim と EWMBench を統合し、ロボット操作方策の学習と評価を支援する世界モデル基盤です。

InternVLAは上海人工知能研究所のロボット操作・ナビゲーション向けモデル群です。M1は空間誘導ポリシー、A1とA1.5は理解と行動生成、N1は二重システムによるナビゲーションを研究します。

Poke-Aurora は PokeBot の世界・行動モデルです。RoboAPI がカメラ画像、ロボット状態、指示を受け取り、動作を返します。映像と動作の共同学習でゼロショット汎化を目指し、対象ユーザー向けの非商用技術プレビューを提供します。

産業用ヒューマノイド向けに UBTECH が開発したエージェントアーキテクチャ。