RynnValue-8B

RynnValue-8BはRynnBrain-8Bと固定幅ビンを使い、軌跡動画とタスク指示から残り秒数および符号付き時間差を推定します。因果マスクを用いたRBM-EVAL-OODの方策順位付けで、著者報告の平均Kendall τₐは0.675です。

モデルの説明全文を見る

論文・レポート (1)

RynnValue:時間距離でロボット価値基盤モデルをスケールさせる

論文あり

RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance

arXiv: 2608.09853
著者・所属 (15)

著者の順序: 原文順

  1. Dongchi Huangequal_contribution

    未提供

  2. Hongyin Zhangequal_contribution

    未提供

  3. Bohan Houequal_contribution

    未提供

  4. Siteng Huangcorresponding_author

    未提供

  5. Zhian Su

    未提供

  6. Hang Guo

    未提供

  7. Tong Lu

    未提供

  8. Zhaofeng Xu

    未提供

  9. Jiahao Tang

    未提供

初版公開
2026-08-10
最新の論文改訂
v2 · 2026-09-29
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

このバージョンの学習コードは未確認です。公開コードの存在は、この版の学習実装の公開を意味しません。 検証事項を見る

学習・ファインチューニングコード

モデルファイル

モデルファイル
RynnValue-8B (公式重み)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 · 2026-11-19

条件の説明

Apache-2.0が適用されます。再配布時はライセンスを添付し、必要な表示を保持してください。

RynnValue-8B (LeRobot)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 · 2026-11-19

条件の説明

Apache-2.0が適用されます。再配布時はライセンスを添付し、必要な表示を保持してください。

公開情報

出典確認日 · 2026-11-19

導入前の確認事項

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

実行環境とフレームワーク
LeRobot / PyTorch / Transformers

構造と入出力

モデルの種類
報酬・評価
アーキテクチャ
Transformer
バックボーン
RynnBrain-8B (Qwen3-VL)
重みのパラメーター数
9.575 B
入力
言語 / 動画

適用範囲と学習方法

実装元

公式

機能分類

報酬・進捗

出力

報酬・進捗

パイプラインタスク

ロボット報酬モデル

予測出力

完了までの時間、相対時間差、タスク検証

タスク範囲

複数タスク

全パラメータと検証事項(モデルカード)

固定ビンの8Bと2種類の重み

公式名は8B。両パッケージの保存テンソル要素数は9,574,961,904で、すべてBF16。Qwen3-VLアーキテクチャのRynnBrain-8Bを基盤に、256個の固定ビンを用いる。公式モデル一覧では、固定ビン版のRBM-EVAL-OOD平均Kendall τₐは0.675。 ネイティブ版は2026年7月27日21:59:15に重みをアップロード。LeRobot版は11月19日23:14:53にリポジトリを作成し、23:15:23に変換版をアップロードした。時刻は台北時間。両方ともApache-2.0で公開ダウンロード可能。初回パッケージの変換元は 12848f45ef339e95671c89bc4a3e7b21b096d136。単一のsafetensorsは19,150,038,712バイトで、890個のテンソルを格納する。

LeRobotでの推論

RynnValueを統合したLeRobotのPR #4555のソースを使います。RewardModelConfig.from_pretrained("lerobot/RynnValue-8B", revision="83c91ad43cf29deccd432d8ddd37833f638c878a") でリビジョンを固定し、その設定を make_reward_model と前処理器のファクトリーに渡します。設定、重み、processor/は同じコミットから読み込みます。更新後の設定はLeRobotリポジトリを参照します。旧コミット0a24577の設定には、この統合では読み込めないmodel_idとmodel_revisionが含まれます。この変換版は推論専用です。残り秒数は predict_remaining_time(batch).remaining_time_s、モデルによる成否判定は predict_success(batch).success で取得します。 オフライン評価の既定値はinference_fps=1.0で、約1秒に1回実行します。軌跡の最初と最後のフレームも評価します。各評価点までの軌跡から等間隔に8フレームを抽出し、フレーム数が少なければ同じフレームを繰り返し使います。評価点間は線形補間します。画像の長辺の上限は640ピクセルで、既定の画像キーは observation.images.top、指示キーは task です。既定のメタデータ入力にはロボットまたはカメラの説明が必要です。 この統合にはPython ≥3.12とPyTorch ≥2.7かつ<2.16が必要です。rynnvalueの追加依存関係はTransformers ≥5.22.0かつ<5.23.0です。 根拠:ネイティブ版、変換コミット、実装、公式モデル一覧。表紙はHuangらの論文の図1、https://arxiv.org/abs/2608.09853v2、CC BY 4.0。縦横比を維持して縮小し、余白を追加。 設定更新 現行設定ファイル 現行統合の依存関係

ネイティブ版の推論と公式ミラー

DAMOのネイティブツールはPython ≥3.10、PyTorch ≥2.4.0、Transformers ≥4.57.0かつ<5を要求する。公式例は trust_remote_code=True でカスタムモデルと AutoProcessor を読み込み、processor.process_episode でタスク指示と抽出画像を前処理する。DAMOは8B BF16に24 GB以上のメモリを備えた単一GPUを推奨する。ModelScopeの4分割のファイルサイズと公開SHA-256はHugging Faceのネイティブ版に一致する。ネイティブ依存関係。 ネイティブの推論例では out.value.pred_value を価値ヘッド間で平均し、各フレームの残り秒数を得る。デモでは生成されたタスク一致と成否も読み取る。

情報源または訂正を送信