SANA-Robot-AR

論文と技術報告

SANA-Robot-AR は45億パラメータの世界行動モデルです。32ステップの動作と将来の映像を予測し、混合メモリで履歴を保持します。公開された事前学習済み重みは、対象ロボットやベンチマーク向けの追加微調整に利用できます。

モデルの説明全文を見る

対象ロボットの実演データやシミュレーションベンチマークで追加微調整するための初期重み。

論文と技術報告

論文・報告は未確認

公式紹介資料を登録しています。該当バージョンの論文・技術報告は未確認です。

最終確認: 2026-11-22

取得方法と利用条件

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

出典確認日 · 2026-11-22

モデルファイル

モデルファイル
SANA-Robot-AR Pretrain取得方法重みのライセンス商用利用
記載条件に基づき可能利用条件

確認日 · 2026-11-22

公開情報

出典確認日 · 2026-11-22

導入前の確認事項

事前学習済み重みでの直接のロボット制御は未検証です。テキストエンコーダと動画 VAE は別途取得が必要です。 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

実行環境とフレームワーク
PyTorch
微調整の要件
対象ロボットの実演データ、Gemma 2 2B IT、LTX-2.3 VAE

構造と入出力

モデルの種類
行動方策
アーキテクチャ
WAM · 自己回帰
バックボーン
混合拡散 Transformer(Gated DeltaNet 24層、Softmax 注意8層)
重みのパラメーター数
4500000000
行動生成
フローマッチング
入力
言語 / RGB画像 / ロボット状態
出力
1チャンクにつき32制御ステップ
公開日
2026年11月22日

適用範囲と学習方法

出力

行動 / 動画

予測出力

動作チャンクと将来の映像(4フレーム間隔)

学習方式

事前学習

派生モデル

SANA-Robot-AR RoboTwin 2.0 ↗微調整

SANA-Robot-AR LIBERO ↗微調整

全パラメータと検証事項(モデルカード)

各チャンクは32制御ステップを予測し、動画を4フレーム間隔で符号化します。Softmax 注意は最初のフレームと直前のチャンクを参照し、Gated DeltaNet は過去のチャンクを固定サイズの状態に要約します。

外部依存: Gemma 2 2B IT(Google の利用条件への同意が必要)と、Diffusers 形式の LTX-2.3 動画 VAE。

微調整レシピ: RoboDojo、RoboTwin 2.0、LIBERO。それぞれに別個の微調整済み重みが公開され、評価値はそれらの版に対応します。

情報源または訂正を送信