发布方评测 · 报告成绩,未经独立复现
RoboTwin 2.0 · Clean2Random · 干净场景 ↗成功率: 91.84 %
2.0
RoboTwin 2.0(SAPIEN)仿真中的 ALOHA-AgileX 双臂与平行夹爪
去噪 20 步,视频引导系数 6,种子 0,每 16 个控制步重规划。
Clean2Random · 干净场景
这款世界动作模型有45亿参数,在RoboTwin 2.0仿真中用50项任务的2500条干净场景演示完成后训练。它根据三路相机图像、本体状态和语言指令预测未来画面,并为ALOHA-AgileX双臂生成32步末端控制动作。
查看完整模型说明论文/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
来源发布日期: 2026-11-22
已确认部分训练数据公开,不代表完整训练集均可下载。
| 文件 | 获取方式 | 权重许可证 | 商业使用 |
|---|---|---|---|
| SANA-Robot-AR RoboTwin 2.0 15k | 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 |
来源核验日期 · 2026-11-22
公开成绩覆盖 RoboTwin 2.0(SAPIEN)仿真中的 ALOHA-AgileX。迁移到其他机器人、相机布局、任务或场景需进一步微调。 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。
双臂末端位姿控制,每块 32 步
horizon 32
2500 episodes · MIT License
当前版本或所选权重暂无已核实的独立评测成绩。
发布方评测 · 报告成绩,未经独立复现
RoboTwin 2.0 · Clean2Random · 干净场景 ↗成功率: 91.84 %
2.0
RoboTwin 2.0(SAPIEN)仿真中的 ALOHA-AgileX 双臂与平行夹爪
去噪 20 步,视频引导系数 6,种子 0,每 16 个控制步重规划。
Clean2Random · 干净场景
发布方评测 · 报告成绩,未经独立复现
RoboTwin 2.0 · Clean2Random · 随机化场景 ↗成功率: 73.28 %
2.0
RoboTwin 2.0(SAPIEN)仿真中的 ALOHA-AgileX 双臂与平行夹爪
去噪 20 步,视频引导系数 6,种子 0,每 16 个控制步重规划。
Clean2Random · 随机化场景
发布方评测 · 报告成绩,未经独立复现
RoboTwin 2.0 · Clean2Random · 两种场景平均 ↗成功率: 82.56 %
2.0
RoboTwin 2.0(SAPIEN)仿真中的 ALOHA-AgileX 双臂与平行夹爪
去噪 20 步,视频引导系数 6,种子 0,每 16 个控制步重规划。
Clean2Random · 两种场景平均
PyTorch 文件把策略参数存于 state_dict,运行需使用随附元数据和归一化文件。训练元数据为 50 Hz。头部相机 384 × 480,两路腕部相机各 192 × 256,采用 T 形布局。需另行获取 Gemma 2 2B IT(须接受 Google 条款)和 Diffusers 布局的 LTX-2.3 视频 VAE。模型卡指向 eval/robotwin 下的策略服务和评测适配,以及微调配置 configs/robotwin_ar.yaml。