SANA-Robot-AR RoboTwin 2.0

論文と技術報告

45億パラメータの世界行動モデルです。RoboTwin 2.0 の50タスク、2,500件のクリーン環境の実演で事後学習しました。3台のカメラ映像、ロボットの状態、言語指示から、将来の映像と双腕 ALOHA-AgileX のエンドエフェクタ動作32ステップを予測します。

モデルの説明全文を見る

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
学習データ
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

学習データ

一部の学習データは公開されていますが、学習データ全体の公開を意味しません。

モデルファイル

モデルファイル
SANA-Robot-AR RoboTwin 2.0 15k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

公表された結果は RoboTwin 2.0 のシミュレーション内の ALOHA-AgileX が対象です。他のロボット、カメラ配置、タスク、環境には追加の微調整が必要です。 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

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
拡散
入力
言語 / RGB画像 / ロボット状態
出力
双腕エンドエフェクタの姿勢制御、1チャンク32ステップ
公開日
2026年11月22日

適用範囲と学習方法

双腕エンドエフェクタの姿勢制御、1チャンク32ステップ

horizon 32

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)

学習データ

  • RoboTwin 2.0

    ファインチューニング公開済み

    2500 episodes · MIT License

評価結果

このバージョンまたは選択した重みの検証済み独立評価結果はありません。

全パラメータと検証事項(モデルカード)

PyTorch ファイルの state_dict に方策パラメータが格納されています。同梱のメタデータと正規化ファイルを使用します。学習メタデータは50 Hzです。頭部カメラは384 × 480、左右の手首カメラは各192 × 256で、T字型に配置します。Gemma 2 2B IT(Google の利用条件あり)と Diffusers 形式の LTX-2.3 動画 VAE は別途取得します。モデルカードは方策サーバーと評価アダプターを eval/robotwin、微調整設定を configs/robotwin_ar.yaml と案内しています。

情報源または訂正を送信