VLA ギャラリー / モデル一覧 / VA

BRS (WB-VIMA)

Stanford University · 2025-03

VAVA非公開diffusion

移動ベース・4-DoFトルソ・双腕を持つGalaxea R1で、長期の家事全身操作を学習する。

論文

BEHAVIOR Robot Suite: Streamlining Real-World Whole-Body Manipulation for Everyday Household ActivitiesarXiv 2503.05652

概要

分類

VA

タイプ

VA

発表

2025-03

機関

Stanford University

重み公開

未確認

パラメータ

非公開

構造

バックボーンLLM

なし

ビジョンエンコーダ

PointNet点群

アクションヘッド

拡散UNetヘッド3個 (ベース・胴体・アーム) (diffusion)

チャンク

非公開

制御周期

10 Hz (コントローラ 100 Hz)

構造の原文要約

PointNet点群トークン + 固有感覚 → 因果self-attentionトランク; ベース・トルソ・腕用の独立した拡散ネット3個(軽量UNetヘッド)で全身行動を自己回帰デコーディング; データ10 Hz、コントローラ100 Hz

学習

事前学習アクセラレータ

該当なし

事前学習期間

該当なし

事前学習ステップ・バッチ

該当なし

GPU・TPU時間

非公開

ファインチューニング

非公開(GPU・時間・ステップ・バッチなし; READMEの学習コマンドは gpus=<NUM_GPUS> のプレースホルダ)

データ種類

実ロボットのテレオペレーション

データ規模

タスク別に100、103、98、138、122軌跡

主要データセット

JoyLoで独自収集

タスク・評価

長期家事5タスク

ロボット

Galaxea R1(6-DoFアーム2本 + 4-DoFトルソ + 全方向移動ベース)

推論

推論デバイス・速度

RTX 4090で配備、有効遅延0.02秒

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

非公開

強化学習・ベース

強化学習

不使用 · 全身テレオペレーションデータの模倣学習

ベース制御

車輪型 (ベース速度・姿勢を直接出力) · WB-VIMAが全方向ベース行動(3 DoF)を専用拡散ヘッドで直接出力し、胴体・アームと自己回帰デコーディング

備考

主な特徴

移動ベース・4-DoFトルソ・双腕を持つGalaxea R1で、長期の家事全身操作を学習する。JoyLoテレオペレーションインターフェースでタスクあたり98–138軌跡を収集した。

備考

脚のない全身移動型双腕のため範囲の境界事例。UNetヘッドの表現は検証抽出になかった。

検証

確認