SANA-Robot-AR
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
モデルファイル
| ファイル | 取得方法 | 重みのライセンス | 商用利用 |
|---|---|---|---|
| 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
SANA-Robot 公式プロジェクトページnvlabs.github.ioSANA-Robot-AR 事前学習モデルカードとファイル486387da56e8374a9602cfbee3670808d099401a · huggingface.coGemma 2 2B ITgemma-2-2b-it · huggingface.coLTX-2.3 VAE (Diffusers)vae · huggingface.coSANA-Robot-AR RoboDojoSANA-Robot-AR-RoboDojo · huggingface.coSANA-Robot-AR RoboTwin 2.0SANA-Robot-AR-RoboTwin2.0 · huggingface.coSANA-Robot-AR LIBEROSANA-Robot-AR-LIBERO · huggingface.co
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
- 行動生成 · バックボーン · 主カテゴリ · アーキテクチャ: SANA-Robot 公式プロジェクトページ
- 入力モダリティ · 出力アクション空間 · 主カテゴリ · アーキテクチャ: SANA-Robot-AR 事前学習モデルカードとファイル
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 RoboTwin 2.0: SANA-Robot-AR RoboTwin 2.0 model card
- SANA-Robot-AR LIBERO: SANA-Robot-AR LIBERO
- 出力 · 予測出力 · 学習方式: SANA-Robot-AR 事前学習モデルカードとファイル
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