GigaBrain-0

GigaAI · 2025-10

VLA산업계 모델미공개flow matching

world model GigaWorld로 만든 생성 데이터(Real2Real, Sim2Real, 사람 영상 변환 등)로 실로봇 데이터 의존을 줄인다.

논문

백본 LLM: Gemma 2 · PaliGemma2 구성 (크기 미공개)
비전 인코더: SigLIP (RGB-D)
액션 헤드: flow matching DiT (MoT) (flow matching)
청크: 미공개
제어 주기: 미공개
구조 원문 요약: PaliGemma2 VLM + flow-matching DiT, mixture-of-transformers; RGB-D 입력(SigLIP 깊이 채널 0 초기화); embodied CoT(2D 궤적 키포인트 10개, discrete action token, subgoal 언어)

사전학습 가속기: 미공개
사전학습 기간: 미공개
사전학습 스텝·배치: 미공개
GPU·TPU-시간: 미공개
파인튜닝: GPU·시간 미공개; 세탁물 접기 G1 300 demos·batch 128·40K steps; 종이타월 PiPER 100 demos·batch 128·20K steps
데이터 종류: 실로봇 + 시뮬레이션·합성(GigaWorld 생성) + 공개 로봇 데이터
데이터 규모: 자체 실로봇 1,182 h(Agilex Cobot Magic 199 h, AgiBot G1 983 h; 14개 환경, 3,100 m²); 공개·생성 데이터 양 미공개
주요 데이터셋: 자체 데이터, AgiBotWorld, RoboMind, Open X-Embodiment, GigaWorld 생성 데이터
태스크·평가: 세탁물 접기, 종이타월 준비, 주스 만들기, 테이블 정리, 박스·바구니 옮기기, 외형·배치·시점 일반화; π0 대비 세탁물 접기 +30%, 종이타월 +10%(본문)
로봇: AgiBot G1, PiPER 팔, Agilex Cobot Magic

강화학습: 미사용 · 실로봇 + 생성 데이터 지도학습
베이스 제어: 바퀴형 (베이스 속도·자세 직접 출력) · 이동 조작 과제(상자·세탁 바구니 옮기기, AgiBot G1)에서 모델이 장애물 회피 이동·베이스 위치 조정; 베이스 명령 형식 미기재; PiPER 양팔은 고정

핵심 특징: world model GigaWorld로 만든 생성 데이터(Real2Real, Sim2Real, 사람 영상 변환 등)로 실로봇 데이터 의존을 줄인다. 경량판 GigaBrain-0-Small(402M)은 Jetson AGX Orin에서 0.13초로 동작한다.
비고: 파라미터(B)는 본 모델 총량 미공개라 null(GigaBrain-0-Small 402M만 공개). 그림 막대 라벨의 과제별 절대 성공률은 검증 확인불가라 본문의 차이(+30%, +10%)만 사용. 가중치 2025-11-27 공개(저장소 Apache-2.0). README의 GigaBrain-0.7은 2026 릴리스라 제외. 데이터 시간(h)은 자체 데이터만. arXiv v1 2025-10-22.
검증: 확인