로봇
SO-101
Robometer 4B실제 로봇 실험
Robometer 공식 결과에는 SO-101 플랫폼에서의 실물 평가가 포함됩니다.
보고된 실험 구성 및 데이터 수집 절차에 적용됩니다.
Robometer 4B
비디오와 언어 정보를 바탕으로 작업 진행도와 성공 여부를 점수화하는 사전 학습 보상 모델입니다.
Robometer를 활용한 로봇 행동의 연구 평가와 점수 산정에 사용합니다.
공개 현황
- 코드
- 공개 접근
- 모델 파일
- 공개 접근
모델 파일
| 파일 | 접근 방법 | 가중치 라이선스 |
|---|---|---|
| robometer/Robometer-4B | 접근 방법 | 가중치 라이선스 |
시작하기
- 실행 환경 및 프레임워크
- LeRobot / TransformersNVIDIA GPU · bfloat16
- 배포 요구 사항
- Python 3.10 이상 및 NVIDIA GPU 드라이버. 추론 HTTP 서버는 직접 호스팅합니다.
사양 요약
- 모델 유형
- 보상 모델
- 백본
- Qwen3-VL-4B
- 가중치 매개변수 수
- 4.4503 B
- 입력
- 언어 지시 / RGB 카메라 이미지
- 출시일
- 2026년 3월 2일
관련 로봇
평가 결과
현재 버전 또는 선택한 가중치의 검증된 독립 평가 결과가 없습니다.
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
RBM-EVAL · 분포 외 ↗VOC 피어슨 상관계수: 0.94
전체 RBM-1M 학습 후 분포 외 보상 평가. 저자가 보고한 반올림 집계 결과.
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
RBM-EVAL · 분포 외 ↗궤적 순위: Kendall tau: 0.64
전체 RBM-1M 학습 후 분포 외 보상 평가. 저자가 보고한 반올림 집계 결과.
기술 세부 정보
언어
영어
기능 분류
보상 및 진행 평가
파이프라인 작업
로봇 보상 모델링
예측 출력
작업 진행도 및 성공 점수
자료
모델 카드
논문: Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons. arXiv:2603.02115, 최초 제출일 2026-03-02. Anthony Liang과 Yigit Korkmaz는 공동 제1저자입니다. Stephen Tu, Erdem Bıyık, Jesse Zhang은 공동 지도했습니다. 논문에는 교신저자가 지정되지 않았습니다. [arXiv](https://arxiv.org/abs/2603.02115) · [PDF v1](https://arxiv.org/pdf/2603.02115v1) · [Project](https://robometer.github.io/)
사용 전 확인 사항: 보상 점수는 모델의 판단이므로 카메라 시점, 작업 지시 문구 및 분포 변화에 민감할 수 있습니다. 이는 물리적 안전 신호가 아닙니다. 가중치나 코드가 공개되어도 로봇에서 즉시 실행할 수 있다는 의미는 아닙니다. 문서에서 구성, 데이터 및 인터페이스 요구 사항을 확인하세요.
출처 또는 수정 제안 보내기
