VLA 갤러리 / 모델 목록 / Flow·Diffusion VLA
Evo-1
MINT-SJTU (GitHub 조직명) · 2025-11†
VLAFlow·Diffusion VLA0.77Bflow matching
로봇 데이터 사전학습 없이 0.77B로 Meta-World 80.6%, RoboTwin 37.8%를 내 SmolVLA·π0보다 높다고 보고한다.
논문
Evo-1: Lightweight Vision-Language-Action Model with Preserved Semantic AlignmentarXiv 2511.04555
개요
- 분류
- Flow·Diffusion VLA
- 유형
- VLA
- 발표
- 2025-11†
- 기관
- MINT-SJTU (GitHub 조직명)
- 가중치 공개
- 예
- 파라미터
- 0.77B
구조
- 백본 LLM
- Qwen2.5-0.5B · InternVL3-1B 구성
- 비전 인코더
- InternViT-300M
- 액션 헤드
- flow matching DiT (flow matching)
- 청크
- 50스텝
- 제어 주기
- 미공개
- 구조 원문 요약
- InternVL3-1B(InternViT-300M + Qwen2.5-0.5B) + flow matching Diffusion Transformer 액션 헤드; 청크 H=50
학습
- 사전학습 가속기
- 해당 없음(로봇 데이터 사전학습 없음)
- 사전학습 기간
- 해당 없음
- 사전학습 스텝·배치
- 해당 없음
- GPU·TPU-시간
- 미공개
- 파인튜닝
- A100×8; Stage 1 10k 스텝·배치 16(VLM 동결), Stage 2 65k 스텝·배치 16(전체), lr 1×10⁻⁵; 총 시간 미공개
- 데이터 종류
- 시뮬레이션 + 실로봇 텔레옵(과제별)
- 데이터 규모
- Meta-World 과제당 50 시연×50과제, RoboTwin 과제당 50 궤적, 실기 과제당 100 텔레옵 시연
- 주요 데이터셋
- Meta-World, LIBERO, RoboTwin, 자체 xArm6 데이터
- 태스크·평가
- Meta-World 80.6%(SmolVLA 68.2%), LIBERO 94.8%, RoboTwin 37.8%(π0 30.9%), xArm6 실기 4과제 78%
- 로봇
- xArm6(단일 팔) 실기; RoboTwin 양팔 시뮬레이션
추론
- 추론 장치·속도
- RTX 4090d 2.3 GB, 16.4 Hz; Jetson Orin 배포 안내(2026-04, README)
- 추론 메모리
- 2.3 GB (RTX 4090d)
- 가중치 bf16 (계산)
- 1.5 GB
- 실행 위치
- 미공개
강화학습 · 베이스
- 강화학습
- 미사용 · 모방학습(행동 복제)만 사용
- 베이스 제어
- 고정 · 베이스 제어 없음 (xArm6 팔·RoboTwin 양팔 시뮬)
비고
- 핵심 특징
- 로봇 데이터 사전학습 없이 0.77B로 Meta-World 80.6%, RoboTwin 37.8%를 내 SmolVLA·π0보다 높다고 보고한다. RTX 4090d에서 2.3 GB로 16.4 Hz다.
- 비고
- 검증 노트는 발표월만 시도해 확인불가였고 나머지 수치는 미검증. 발표월은 arXiv 날짜줄 확인불가†(README 첫 기록 2025-11-06). LeRobot 네이티브 정책 목록에 EVO1로 포함. 메모리 절감 evo1-flash 브랜치.
- 검증
- 미검증