발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-Plus · 연장 스텝 제한 ↗성공률: 93.98 %
400/400/400/700 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 2스텝, 가이던스 없음, 제어 16스텝마다 재계획
연장 스텝 제한 · 10,030 에피소드 · 제어 스텝 상한은 Spatial 400, Object 400, Goal 400, Long 700
SANA-Robot-AR LIBERO는 시뮬레이션의 단일 팔 Franka Panda를 대상으로 LIBERO의 네 스위트에서 후학습한 45억 매개변수의 월드 액션 모델입니다. 두 시점 영상과 로봇 상태, 언어 지시를 바탕으로 제어 동작 32스텝과 미래 영상을 예측합니다.
전체 모델 설명 보기논문 / 보고서 미확인
공식 소개 자료가 등록되어 있으며 해당 버전의 논문이나 기술 보고서는 아직 확인되지 않았습니다.
최근 확인: 2026-11-22
자료 게시일: 2026-11-22
일부 학습 데이터가 공개되어 있으나 전체 학습 데이터의 공개를 의미하지 않습니다.
| 파일 | 접근 방법 | 가중치 라이선스 | 상업적 사용 |
|---|---|---|---|
| SANA-Robot-AR LIBERO 8k EMA | 접근 방법 | 가중치 라이선스 | 상업적 사용 명시된 조건에 따라 허용약관 확인 날짜 · 2026-11-22 |
출처확인 날짜 · 2026-11-22
공개된 결과는 시뮬레이션의 단일 팔 Franka Panda 조작에 해당합니다. 다른 로봇, 카메라, 과제 또는 장면을 쓰려면 추가 미세조정이 필요합니다. 프로젝트가 안내하는 GitHub robot 브랜치는 현재 404를 반환합니다. 평가 스크립트 공개 여부와 코드의 별도 라이선스는 확인되지 않았습니다. 가중치나 코드가 공개되어도 로봇에서 즉시 실행할 수 있다는 의미는 아닙니다. 문서에서 구성, 데이터 및 인터페이스 요구 사항을 확인하세요.
로봇 베이스 좌표계의 말단 자세, 청크당 제어 32스텝
horizon 32
Creative Commons Attribution 4.0 International
현재 버전 또는 선택한 가중치의 검증된 독립 평가 결과가 없습니다.
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-Plus · 연장 스텝 제한 ↗성공률: 93.98 %
400/400/400/700 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 2스텝, 가이던스 없음, 제어 16스텝마다 재계획
연장 스텝 제한 · 10,030 에피소드 · 제어 스텝 상한은 Spatial 400, Object 400, Goal 400, Long 700
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-Plus · LIBERO 표준 스텝 제한 ↗성공률: 93.35 %
220/280/300/520 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 2스텝, 가이던스 없음, 제어 16스텝마다 재계획
LIBERO 표준 스텝 제한 · 10,030 에피소드 · 제어 스텝 상한은 Spatial 220, Object 280, Goal 300, Long 520
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-PRO · 연장 스텝 제한 ↗성공률: 68.09 %
400/400/400/700 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 10스텝, 영상 가이던스 3, 제어 8스텝마다 재계획
연장 스텝 제한 · 8,000 에피소드 · 제어 스텝 상한은 Spatial 400, Object 400, Goal 400, Long 700
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-PRO · LIBERO 표준 스텝 제한 ↗성공률: 65.36 %
220/280/300/520 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 10스텝, 영상 가이던스 3, 제어 8스텝마다 재계획
LIBERO 표준 스텝 제한 · 8,000 에피소드 · 제어 스텝 상한은 Spatial 220, Object 280, Goal 300, Long 520
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-MAX · 기본 조건 ↗성공률: 88.3 %
220/280/300/520 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 2스텝, 가이던스 없음, 제어 16스텝마다 재계획
기본 조건 · 8,000 에피소드 쌍 · 제어 스텝 상한은 Spatial 220, Object 280, Goal 300, Long 520
발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨
LIBERO-MAX · 동적 조건 ↗성공률: 76.06 %
220/280/300/520 control steps
시뮬레이션 Franka Panda(단일 팔)
디노이징 2스텝, 가이던스 없음, 제어 16스텝마다 재계획
동적 조건 · 8,000 에피소드 쌍 · 제어 스텝 상한은 Spatial 220, Object 280, Goal 300, Long 520
PyTorch 파일의 state_dict_ema에는 8,000스텝 시점의 EMA 정책 가중치(감쇠율 0.999)가 담겨 있습니다. 제공된 메타데이터와 정규화 파일을 사용합니다. Gemma 2 2B IT 텍스트 인코더와 LTX-2.3 동영상 VAE는 따로 받아야 하며, Gemma는 약관 동의가 필요합니다. 모델 카드는 eval/libero, eval/libero/deploy.yaml, configs/libero_ar.yaml을 안내합니다.
LIBERO-Plus 에셋은 과제 10,030개에 사용됩니다. LIBERO-PRO는 과제 파일과 초기 상태 파일을 별도로 제공합니다. 저자가 보고한 PRO 교란별 성공률은 물체 88.95%, 위치 47.65%, 의미 98.10%, 과제 37.65%입니다. LIBERO-MAX는 과제, 초기 상태, 지시, 시드가 같은 실행을 짝지어 비교합니다. Dynamic은 먼저 실행된 동작을 재생한 뒤 이벤트를 추가합니다. 성공률의 분모에는 배정된 모든 사례가 포함됩니다.
LIBERO-Plus의 공식 절차는 과제당 한 번의 시도를 요구합니다. LIBERO-PRO 문서의 모드에서는 한 번에 교란 한 종류만 활성화하고 매핑에 따라 대응하는 스위트를 고릅니다. SANA-Robot 모델 카드에 평가 설정은 기재되어 있으며 사용한 벤치마크 에셋의 정확한 리비전은 확인되지 않았습니다.