NAT VLA 450M

NAT VLA 450Mは、Liquid AIのLFM2-VL-450Mを基盤とするロボット方策です。画像、言語指示、ロボット状態から時系列のNATアクショントークンを生成し、逐次デコードします。LeRobotは微調整とトークン接頭辞によるリアルタイムのチャンク接続に対応します。

論文・レポート (1)

NAT:異なる身体構成にわたる因果ニューラルアクショントークナイザーの拡張

論文あり

NAT: Scaling Causal Neural Action Tokenizers Across Embodiments

著者・所属 (3)

著者の順序: 原文順

  1. Ahad Jawaid

    未提供

  2. Alexander Swerdlow

    Stanford University

  3. Yu Xiang

    The University of Texas at Dallas

初版公開
未提供
最新の論文改訂
未提供
会議・学術誌
未提供

対象モデルバージョン

論文 ↗PDF ↗

取得方法と利用条件

公開コード資料
公開アクセス
モデルファイル
公開アクセス
学習データ
一部公開

コードと学習・ファインチューニング

取得方法
公開アクセス

出典確認日 · 2026-11-22

コードのライセンス
Apache-2.0

確認日 · 2026-11-22

モデルファイル

モデルファイル
NAT VLA 450M 事前学習済み重み取得方法重みのライセンス商用利用
条件付き利用条件

確認日 · 2026-11-22

条件の説明

方策の重みにはLFM Open License v1.0が適用されます。年間売上高1,000万米ドルの基準と適格非営利団体の研究利用については第5節を参照してください。

公開情報

出典確認日 · 2026-11-22

導入前の確認事項

対象ロボットのデータで微調整が必要です。標準トークナイザーの逐次出力とトークン接頭辞によるRTCは最大7アクション次元に対応し、それ以上はグループごとにデコードしてチャンク単位で返します。論文の実機結果は別途微調整したTrossen AI Solo方策によるものです。 重みやコードの公開は、そのままロボットで動作することを意味しません。必要な構成、データ、インターフェースを資料で確認してください。

導入・利用資料

推論方式
貪欲デコード、最大7次元で逐次出力とトークン接頭辞によるRTCに対応
データ形式
動作のmin/maxとロボット状態のq01/q99を含むLeRobotデータセット
実行環境とフレームワーク
LeRobot / PyTorch / Transformers
微調整の要件
対象ロボットのデータセット、カメラ構成、ロボット設定、制御モード
デプロイ要件
LeRobot mainのe5be0c1(nat_vla)、Python 3.12以上、同コミットでTransformers 5.22.0以上5.23.0未満

構造と入出力

モデルの種類
行動方策
アーキテクチャ
VLA
バックボーン
Liquid AI LFM2-VL-450M
重みのパラメーター数
540222460 parameters
行動生成
自己回帰
入力
言語 / RGB画像 / ロボット状態
出力
32ステップ、最大7次元の各グループを14トークンで表現

適用範囲と学習方法

ベースモデル

Liquid AI LFM2-VL-450M

コードのライセンス

Apache-2.0

身体範囲

複数本体

実装元

公式

機能分類

action_control

出力

行動

予測出力

時系列順のNATアクショントークン

ロボット形態

ロボットアーム

タスク範囲

複数タスク

学習データ規模

VLA事前学習データ1,800時間

学習データソース

BridgeData V2 / DROID

学習方式

模倣学習 / 事前学習 / 教師あり微調整

情報源または訂正を送信