VLA ギャラリー / モデル一覧 / 2026年の新モデル

Spirit v1.5

Spirit AI · 2026-01

VLA2026年の新モデル5B非公開

精選データの代わりに、多様で緩く統制された収集データで学習した。

論文

論文なし

概要

分類

2026年の新モデル

タイプ

VLA

発表

2026-01

機関

Spirit AI

重み公開

あり

パラメータ

5B (HFラベル)

構造

バックボーンLLM

Qwen3 · Qwen3-VL-4B構成

ビジョンエンコーダ

Qwen3-VL ViT

アクションヘッド

DiTアクションヘッド (潜在アクショントークン、二次情報) (非公開)

チャンク

非公開

制御周期

非公開

構造の原文要約

Qwen3-VL-4B-Instruct VLM + DiTアクションヘッド(潜在アクショントークン予測、二次)

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

非公開

GPU・TPU時間

非公開

ファインチューニング

非公開 (README推奨 8× A100 80GB)

データ種類

実ロボットのテレオペレーション(多様・弱い統制での収集)

データ規模

非公開 (時間・エピソード)

主要データセット

非公開

タスク・評価

RoboChallenge Table30(30タスク)1位; 総合66.09、成功率50.33%(二次情報)

ロボット

非公開

推論

推論デバイス・速度

A100 80GBでテスト(README)

推論メモリ

A100 80GBでテスト (README)

重み bf16(計算)

10 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 · ベース制御なし (RoboChallenge Table30 卓上操作; 操作以外のシナリオは対象外と明記)

備考

主な特徴

精選データの代わりに、多様で緩く統制された収集データで学習した。2026-01-11時点でRoboChallenge Table30の1位である。

備考

ライセンスの食い違い: HF apache-2.0、GitHub LICENSE MIT。README '[2026-01] Initial Release'、日付 2026-01-12は二次情報。収集方式の効果(二次情報): 1人あたり有効収集時間 約200%増加、専門家投入 約60%減少、同じ事前学習規模でファインチューニング反復 約40%減少。

検証

確認