VLA 갤러리 / 모델 목록 / 휴머노이드 VLA

Figure Helix

Figure AI · 2025-02

VLA휴머노이드 VLAS2 7B + S1 80M회귀

S2 잠재 벡터를 S1 토큰 공간에 투영해 시각 특징과 이어 붙이고, 한 벌의 가중치를 회귀 손실로 end-to-end 학습한다.

논문

논문 없음

개요

분류

휴머노이드 VLA

유형

VLA

발표

2025-02

기관

Figure AI

가중치 공개

아니오

파라미터

S2 7B + S1 80M (물류 업데이트에서 디코더 헤드 +50%, 새 총량 미공개)

구조

백본 LLM

미공개 7B 오픈 VLM

비전 인코더

VLM 내장 + 합성곱 비전 백본 (S1)

액션 헤드

S1 80M 인코더-디코더 트랜스포머 (회귀)

청크

미공개

제어 주기

200 Hz

구조 원문 요약

S2: 7B 오픈 VLM(7~9 Hz) → 잠재 벡터 / S1: 80M cross-attention 인코더-디코더 트랜스포머 + 완전 합성곱 멀티스케일 비전 백본, 35-DoF 연속 행동 200 Hz

학습

사전학습 가속기

미공개

사전학습 기간

미공개

사전학습 스텝·배치

미공개

GPU·TPU-시간

미공개

파인튜닝

미공개

데이터 종류

실로봇 텔레옵 / 사람 영상

데이터 규모

텔레옵 ~500시간(다중 로봇·다중 조작자, VLM 자동 라벨링); 물류 스케일링 연구 10~60시간; Go-Big 사람 영상 규모 미공개

주요 데이터셋

자체 텔레옵 데이터셋(비공개); Project Go-Big 1인칭 사람 영상

태스크·평가

작은 가정용 물체 집기, 서랍·냉장고 조작, 다중 로봇 핸드오버; 물류 패키지당 4.05초(~5.0초에서), 바코드 성공 ~95%(~70%에서); 시연 10→60시간에서 처리시간 ~6.84초→4.31초, 바코드 88.2%→94.4%

로봇

Figure 02 상체(손목·손가락·몸통·머리), 35-DoF

추론

추론 장치·속도

로봇당 저전력 임베디드 GPU 2개에 모델 병렬 배포; S2 7~9 Hz, S1 200 Hz

추론 메모리

미공개

가중치 bf16 (계산)

14.2 GB

실행 위치

온보드 (임베디드 GPU 2개)

강화학습 · 베이스

강화학습

일부 (RL 하위 제어기 결합) · S2·S1은 회귀 손실 지도학습. 2025년 보행은 시뮬레이션 RL로 학습한 별도 신경망이 담당

베이스 제어

고정 · 상체만 제어 (손목·손가락·몸통·머리, S1 200 Hz); 다리·보행 언급 없음

비고

핵심 특징

S2 잠재 벡터를 S1 토큰 공간에 투영해 시각 특징과 이어 붙이고, 한 벌의 가중치를 회귀 손실로 end-to-end 학습한다. 빨래·식기세척기 업데이트는 모델·하이퍼파라미터 변경 없이 데이터만 추가했다.

비고

파라미터(B)는 7B + 80M 합. S1 비전 백본은 시뮬 사전학습으로 초기화하고, S1·S2 입력에 배포 지연만큼 시간 오프셋을 둠. 물류 업데이트(2025-06-07)에 Vision Memory·상태 이력·힘 피드백 추가. Go-Big(2025-09-18)은 100% 1인칭 사람 영상으로 언어 지시 내비게이션 학습. 2025년 보행은 별도 RL 제어기(별도 행). Helix 02(2026-01)는 범위 밖.

검증

확인