VLA ギャラリー / モデル一覧 / 2026年の新モデル

HoloBrain-0

Horizon Robotics · 2026-02

VLA2026年の新モデル1.1Bその他

多視点カメラパラメータと運動学記述でエンボディメント情報を注入する。

論文

HoloBrain-0 Technical ReportarXiv 2602.12062

概要

分類

2026年の新モデル

タイプ

VLA

発表

2026-02

機関

Horizon Robotics

重み公開

あり

パラメータ

1.1B(QW)/0.2B(GD)

構造

バックボーンLLM

Qwen2.5-3B · Qwen2.5-VL-3B構成 (QW型)

ビジョンエンコーダ

Grounding DINO Tiny (GD型) / Qwen2.5-VL ViT (QW型)

アクションヘッド

Joint-Graph Attention (関節角残差 + リンク姿勢) (その他)

チャンク

非公開

制御周期

非公開

構造の原文要約

Grounding DINO Tiny(GD型)またはQwen2.5-VL-3B(QW型) + Joint-Graph Attention; ハイブリッドアクション空間(関節角残差 rad + リンク姿勢変位)

学習

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

バッチ 2048・512(変種別)、stepsは非公開

GPU・TPU時間

非公開

ファインチューニング

非公開 (事後学習バッチ 256・128)

データ種類

実ロボットのテレオペレーション + シミュレーション・合成(RoboTwin 2.0, Agibot-digital) + 人の動画(EgoDex)

データ規模

156.66Mフレーム、3,547.4時間(3,500時間以上)、軌跡531,541件、エンボディメント7種

主要データセット

独自の双腕Piper、AgiBot World、DROID、RoboTwin 2.0、Agibot-digital、EgoDex

タスク・評価

実世界の平均進捗88.07・成功74.81%(GD型); RoboTwin 2.0・LIBERO・LIBERO-Plus・GenieSimでSOTAを主張

ロボット

7エンボディメント(自社双腕Piperなど)

推論

推論デバイス・速度

非同期推論 5–10 FPS

推論メモリ

非公開

重み bf16(計算)

2.2 GB

実行場所

非公開

強化学習・ベース

強化学習

不使用 · 4種の教師あり損失で学習

強化学習の根拠

https://arxiv.org/html/2602.12062

ベース制御

固定 · 実機タスクはすべて固定ベースの卓上操作と明記 (AgiBot G1の車輪ベースは制御せず、上半身のみ)

備考

主な特徴

多視点カメラパラメータと運動学記述でエンボディメント情報を注入する。0.2B型はエッジデバイス配備用である。

備考

arXiv 2026-02-12。事前学習・事後学習チェックポイントまでエコシステム全体をオープンソース化。パラメータ(B)は大きいバリアント(QW 1.1B)。

検証

確認