SANA-Robot-AR
SANA-Robot-AR 是一款 45 亿参数的世界动作模型,每次预测 32 步动作和未来画面,并用混合记忆保留历史信息。公开预训练权重可作为面向目标机器人或仿真基准继续微调的起点。
查看完整模型说明用目标机器人的示范数据或仿真基准数据继续微调。
论文与技术报告
论文/报告待核实
已收录官方介绍,尚未核实该版本的论文或技术报告。
最近核查: 2026-11-22
如何获取与使用
- 模型文件
- 公开获取
模型文件
| 文件 | 获取方式 | 权重许可证 | 商业使用 |
|---|---|---|---|
| SANA-Robot-AR Pretrain | 获取方式 | 权重许可证 | 商业使用 按所列条款可商用使用条款 核验日期 · 2026-11-22 |
发布信息
来源核验日期 · 2026-11-22
部署前需核对
这份预训练权重尚未验证可直接控制机器人。文本编码器和视频 VAE 需单独获取。 权重或代码可获取,不代表机器人可以即插即用。请按来源文档核对配置、数据与接口要求。
部署与使用资料
- 运行环境与依赖框架
- PyTorch
- 微调要求
- 目标机器人示范数据、Gemma 2 2B IT 和 LTX-2.3 VAE
SANA-Robot 官方项目页nvlabs.github.ioSANA-Robot-AR 预训练模型卡与文件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
架构与输入输出
- 模型类型
- 动作策略
- 架构
- WAM · 自回归
- 骨干网络
- 混合扩散 Transformer(24 层 Gated DeltaNet 与 8 层 Softmax 注意力)
- 权重参数量
- 4500000000
- 动作生成
- 流匹配
- 输入
- 语言 / RGB 图像 / 机器人状态
- 输出
- 每个动作块 32 个控制步
- 发布时间
- 2026年11月22日
- 动作生成 · 骨干网络 · 主要类别 · 架构: SANA-Robot 官方项目页
- 输入模态 · 输出动作空间 · 主要类别 · 架构: SANA-Robot-AR 预训练模型卡与文件
适用范围与训练方式
输出
动作 / 视频
预测输出
动作块与未来画面,视频帧步幅为 4
训练方式
预训练
派生模型
SANA-Robot-AR RoboTwin 2.0 ↗微调
- SANA-Robot-AR RoboTwin 2.0: SANA-Robot-AR RoboTwin 2.0 model card
- SANA-Robot-AR LIBERO: SANA-Robot-AR LIBERO
- 输出 · 预测输出 · 训练方式: SANA-Robot-AR 预训练模型卡与文件
完整参数与核验说明(模型卡)
每个动作块预测 32 个控制步,块内视频编码的帧步幅为 4。Softmax 注意力读取首帧和前一个动作块,Gated DeltaNet 将先前的动作块压缩为固定大小的状态。
外置依赖:Gemma 2 2B IT(须接受 Google 条款)和采用 Diffusers 目录结构的 LTX-2.3 视频 VAE。
**微调适配:**RoboDojo、RoboTwin 2.0 和 LIBERO 均有独立发布的微调权重,评测成绩属于各自的微调版。
提交来源或更正