VLA ギャラリー / モデル一覧 / 産業界モデル

GEN-0

Generalist AI · 2025-11

기타産業界モデル1B・6B・7Bの比較非公開

実世界の操作データ270,000 hで事前学習したembodied foundation modelである。

論文

論文なし

概要

分類

産業界モデル

タイプ

기타

発表

2025-11

機関

Generalist AI

重み公開

なし

パラメータ

1B・6B・7Bの比較; 10B+まで拡張

構造

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

Harmonic Reasoning (非同期連続時間トークンストリーム) (非公開)

チャンク

非公開

制御周期

非公開

構造の原文要約

非公開; 知覚・行動トークンの非同期連続時間ストリームを処理する'Harmonic Reasoning'(思考と行動を同時に)

学習

事前学習アクセラレータ

非公開(データ処理の O(10K) cores のみ公開)

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

非公開(16 task setの同時SFT; タスクデータ 5.6 h(1%)~550+ h(全体)で事後学習を比較)

データ種類

実世界の操作データ(ロボット・収集装置; 機器の詳細は非公開)

データ規模

270,000 h、週あたり10,000 h以上追加; 数千か所の家庭・倉庫・作業場、数千台の収集装置・ロボット; 学習1日あたり6.85年分を吸収

主要データセット

独自収集データ(非公開)

タスク・評価

衣類の扱い、レゴの組み立て、カメラ・携帯電話・箱の梱包など; 一部タスクで最高99%

ロボット

6DoF、7DoF、16+DoF semi-humanoidロボット

推論

推論デバイス・速度

非公開

推論メモリ

非公開

重み bf16(計算)

20 GB

実行場所

非公開

強化学習・ベース

強化学習

非公開 · 学習方式は非公開

ベース制御

固定 · ベース・歩行制御の言及なし (6・7 DoFアーム、16+DoF半ヒューマノイド)

備考

主な特徴

実世界の操作データ270,000 hで事前学習したembodied foundation modelである。7Bで相転移が現れ、小さいモデルは'ossification'を示し、事前学習データ規模とダウンストリーム性能の間にpower-lawを報告した。

備考

パラメータ(B)は'10B+'表記の下限値10。事後学習に言語条件付きデータを使うが、会社がVLAと命名していないため種別はその他。データ規模は会社ブログ単独の主張(外部検証なし)。発表2025-11-04。

検証

確認