LingBot-VLA

Robbyant (Ant Group) · 2026-01

VLA2026 신규미공개flow matching

양팔 로봇 9종의 실데이터 약 20,000시간으로 사전학습했다.

논문

백본 LLM: Qwen2.5-3B · Qwen2.5-VL-3B 구성
비전 인코더: Qwen2.5-VL ViT
액션 헤드: MoT flow matching 액션 전문가 (flow matching)
청크: 50스텝
제어 주기: 미공개
구조 원문 요약: Qwen2.5-VL-3B-Instruct + BAGEL식 Mixture-of-Transformers 액션 전문가, 플로 매칭 연속 액션, 사전학습 청크 T=50

사전학습 가속기: GPU 종류 미공개; 8 GPU 합계 261 samples/s, 8–256 GPU 스케일링 실험(FSDP, bf16)
사전학습 기간: 미공개
사전학습 스텝·배치: 미공개 (스케일링 실험 로컬 배치 32)
GPU·TPU-시간: 미공개
파인튜닝: GPU·시간 미공개; GM-100 과제당 130 에피소드, 모델 비교 배치 256
데이터 종류: 실로봇 텔레옵
데이터 규모: 약 20,000시간, 양팔 로봇 구성 9종; 평가 시연 39,000개·시행 22,500회
주요 데이터셋: 자체 수집 9종 양팔 데이터; GM-100
태스크·평가: GM-100(100과제, 3플랫폼 평균) 성공률 17.30%·진행 35.41%(깊이 포함); RoboTwin 2.0 clean 88.56%
로봇: AgiBot G1, AgileX, Galaxea R1Lite·R1Pro, Realman Rs-02, Leju KUAVO 4 Pro, Qinglong, ARX Lift2, Bimanual Franka

핵심 특징: 양팔 로봇 9종의 실데이터 약 20,000시간으로 사전학습했다. 3,000→20,000시간 데이터 스케일링 연구와 GM-100 벤치마크를 함께 공개했다.
비고: 수정 반영: 261 samples/s는 8 GPU 합계 처리량(README가 'per GPU' 표기를 오기로 정정). arXiv v1 2026-01-26, 가중치·코드 2026-01-27. Apache-2.0.
검증: 수정 반영