GO-1

GO-1 (Genie Operator-1)

AgiBot·HKU·Shanghai Innovation Institute·Shanghai AI Lab · 2025-03

VLA산업계 모델3Bdiffusion

사람 영상에서 배운 embodiment 무관 latent action으로 계획하고, Action Expert가 실제 행동으로 바꾼다.

논문

백본 LLM: InternLM2.5-1.8B · InternVL2.5-2B 구성
비전 인코더: InternViT-300M
액션 헤드: Latent Planner (24층) → 확산 Action Expert (diffusion)
청크: 30스텝
제어 주기: 미공개
구조 원문 요약: ViLLA: InternVL2.5-2B VLM + Latent Planner(24층) + diffusion Action Expert; H=30 action chunk; latent action은 VQ-VAE 기반 LAM으로 사람 영상에서 학습

사전학습 가속기: 미공개
사전학습 기간: 미공개
사전학습 스텝·배치: 미공개
GPU·TPU-시간: 미공개
파인튜닝: GPU·시간 미공개; 30,000 steps, batch 768, lr 2e-5; README 메모리: full ~70GB(batch 16, A100 80GB·H100), Action Expert만 ~24GB(RTX 4090·A100 40GB)
데이터 종류: 실로봇 텔레옵 + 사람 영상
데이터 규모: AgiBot World 1,001,552 traj(논문)/1,003,672 traj(GitHub Beta), 2,976.4 h, 217 tasks, 로봇 100대, 106 scenes, 87 skills
주요 데이터셋: AgiBot World(Alpha 92,214 traj, Beta), Ego4D(latent action 학습)
태스크·평가: AgiBot G1 실로봇 과제(Restock Bag, Table Bussing, Pour Water, Restock Beverage, Fold Shorts, Wipe Table; 과제당 30 trials = seen 10 + 변형 20); RDT 대비 +32%; AgiBot World 사전학습이 OXE 대비 평균 30% 향상
로봇: AgiBot G1(7-DoF 양팔, 모바일 섀시, 조절식 허리; 6-DoF dexterous hand 데이터 포함)

핵심 특징: 사람 영상에서 배운 embodiment 무관 latent action으로 계획하고, Action Expert가 실제 행동으로 바꾼다. AgiBot World 1,001,552 궤적(2,976.4 h)으로 학습해 RDT 대비 32% 높은 성능을 보고했다.
비고: Fig. 5(b) 막대 수치(GO-1 평균, RDT-1B, w/o Latent Planner)는 원문 텍스트로 대응이 확인되지 않아 쓰지 않음. 소속은 논문 1쪽 기준(OpenDriveLab은 GitHub 조직명, 노트에서 수정). 가중치 HF agibot-world/GO-1(CC BY-NC-SA 4.0), 오픈소스 공개 2025-09-19. 논문에 GPU 문장 없음.
검증: 수정 반영