G0.5

Galaxea AI (OpenGalaxea) · 2026-06

VLA2026年の新モデル総量は非公開離散トークン

推論とアクションを一つの自己回帰ストリームで出すデコーダ専用VLAである。

論文

バックボーンLLM: 非公開
ビジョンエンコーダ: —
アクションヘッド: 自己回帰の推論・アクショントークン (学習型トークナイザー) (離散トークン)
チャンク: 非公開
制御周期: 非公開
構造の原文要約: 単一のTransformerデコーダが推論・アクショントークンを1つの目的関数で自己回帰生成(別途のフローマッチングエキスパートなし); 学習型クロスエンボディメントアクショントークナイザ、CoT推論ストリーム、視覚メモリモジュール

事前学習アクセラレータ: 非公開
事前学習期間: 非公開
事前学習ステップ・バッチ: 非公開
GPU・TPU時間: 非公開
ファインチューニング: GPU種類は非公開; 「4 epochs、LR 4×10⁻⁵、グローバルバッチ1024」・「100K steps、LR 1×10⁻⁵」のファインチューニング記述(段階の帰属は原文照合が必要)
データ種類: 実ロボットのテレオペレーション(14エンボディメント) + Web視覚言語(Web・身体化VQA、VQA:アクション 1:4)
データ規模: ロボットデモ 14エンボディメント(総量は非公開); Galaxea Open-Worldデータセット 500時間以上
主要データセット: Galaxea Open-World Dataset、Web・身体性VQA
タスク・評価: DROIDゼロショット82.5%; SimplerEnv-Bridge 87.3%; RoboTwin 2.0 93.3%; LIBERO 98.9%; BEHAVIOR-1K 0.3136; 実機R1-Lite/R1-Pro 76.7%(π0.5 53.3%、GR00T-N1.7 24.4%)
ロボット: Galaxea R1-Lite、R1-Proなど14エンボディメント

強化学習: 不使用 · ロボットデモ + VQA教師あり学習
ベース制御: 車輪型 (ベース速度・姿勢を直接出力) · BEHAVIOR-1K(シミュレーションR1 Pro)でナビゲーションを操作と分離したトークングループとして出力; 実機R1クライアントは腕・トルソ・グリッパのみ発行

主な特徴: 推論とアクションを一つの自己回帰ストリームで出すデコーダ専用VLAである。実ロボットR1-Lite/R1-Proで76.7%とπ0.5(53.3%)・GR00T-N1.7(24.4%)を上回った。
備考: 紹介 2026-06-01、baseチェックポイント 2026-06-16、arXiv 2026-08-12。G0.5 Community License(非商用、2026-06-16以降のコミット分; 3段階ライセンス)。ノートの'約2B'は原文上'Qwen3.5 2Bから初期化'というだけで総量の記述なし。GalaxeaはGalbotとは別の会社。
検証: 確認