VLA 갤러리 / 모델 목록 / 2026 신규

InternVLA-A1.5

Shanghai AI Lab · 2026-07†

VLA2026 신규총량 미공개미공개

학습 때만 WAN2.2-5B 영상 교사로 잠재 시각 예측 토큰을 감독하고 추론 때는 영상 분기를 뗀다.

논문

InternVLA-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional GeneralizationarXiv 2607.04988

개요

분류

2026 신규

유형

VLA

발표

2026-07†

기관

Shanghai AI Lab

가중치 공개

예

파라미터

총량 미공개 (VLM 2B + 액션 전문가 460M; WAN2.2-5B 교사는 학습 전용)

구조

백본 LLM

Qwen3.5 2B (Gated DeltaNet 혼합)

비전 인코더

—

액션 헤드

통합 액션 전문가 460M (미공개)

청크

미공개

제어 주기

미공개

구조 원문 요약

Qwen-3.5 2B VLM(Gated DeltaNet 선형 어텐션 3층과 전체 어텐션 1층 교차) + 460M 통합 액션 전문가; 시각 예측 토큰 50개(학습 때 고정 WAN2.2-5B 영상 생성기가 감독, 추론 때 영상 분기 제거)

학습

사전학습 가속기

미공개

사전학습 기간

미공개

사전학습 스텝·배치

Stage 1 300K + Stage 2 600K steps, 배치 1024, LR 5×10⁻⁵, bf16

GPU·TPU-시간

미공개

파인튜닝

코사인 감쇠 사후학습; 하드웨어·시간 미공개

데이터 종류

로봇 조작 데이터(6개 출처, 실·합성 구분 미기재) + 웹 비전-언어(멀티모달 QA)

데이터 규모

로봇 1.2M 에피소드·861M 프레임; 멀티모달 QA 약 3M; 샘플링 로봇:멀티모달 = 0.15:0.85

주요 데이터셋

6개 출처(명칭 노트 미기재)

태스크·평가

LIBERO·RoboTwin 2.0·EBench·SimplerEnv·LIBERO-Plus(제로샷)·DOMINO(제로샷) 6개 최고 종합(자체 보고); 실세계 튜브 꽂기 80.7%·튜브 옮기기 74.4%·MOF 장기 76.4%

로봇

노트 미기재

추론

추론 장치·속도

RTX 5090 1개에서 추론 1스텝 약 0.1 s

추론 메모리

미공개

가중치 bf16 (계산)

미공개

실행 위치

로컬 PC

강화학습 · 베이스

강화학습

미사용 · 지도학습(공개 범위)

베이스 제어

고정 · 베이스 제어 없음 (RoboTwin 2.0·LIBERO·SimplerEnv 등 조작 벤치마크와 실제 조작)

비고

핵심 특징

학습 때만 WAN2.2-5B 영상 교사로 잠재 시각 예측 토큰을 감독하고 추론 때는 영상 분기를 뗀다. 시뮬레이션 벤치마크 6개 모두에서 최고 종합 결과를 자체 보고했다.

비고

수정 반영: 가중치 공개(HF·ModelScope에 base·RoboTwin·Libero·DOMINO 체크포인트, CC BY-NC-SA 4.0). arXiv 제출일 2026-07-06†은 abs 페이지 HTTP 429로 확인불가(월은 arXiv ID 2607과 일치). 샘플링 순서는 로봇 0.15로 확정. 저자란 'Physical Intelligence Team'은 상하이 AI Lab 팀명으로 Physical Intelligence사와 무관.

검증

수정 반영