VLA 갤러리 / 모델 목록 / 산업계 모델

RynnVLA-001

Alibaba DAMO Academy · 2025-08

VLA산업계 모델7B잠재 액션

ego-centric 사람 조작 영상 12M개로 비디오 생성을 사전학습한 뒤 궤적 인지 비디오 모델링과 VLA 파인튜닝으로 이어지는 3단계 학습이다.

논문

RynnVLA-001: Using Human Demonstrations to Improve Robot ManipulationarXiv 2509.15212

개요

분류

산업계 모델

유형

VLA

발표

2025-08

기관

Alibaba DAMO Academy

가중치 공개

예

파라미터

7B(공개 모델명 RynnVLA-001-7B-Base·7B-Trajectory; 논문 총량 미공개)

구조

백본 LLM

Chameleon 7B (비디오 확장)

비전 인코더

Chameleon 이미지 토크나이저

액션 헤드

ActionVAE 잠재 행동 (잠재 액션)

청크

미공개

제어 주기

미공개

구조 원문 요약

Chameleon 7B 이미지 생성 모델을 비디오로 확장(README 초기 가중치 'Chemeleon-7B'); ActionVAE로 행동 시퀀스를 잠재 임베딩으로 압축

학습

사전학습 가속기

미공개(ActionVAE만 8 GPUs, 기종 미표기)

사전학습 기간

미공개

사전학습 스텝·배치

ActionVAE 300,000 iterations, batch 16×8(GPUs)

GPU·TPU-시간

미공개

파인튜닝

미공개

데이터 종류

사람 영상 + 로봇 영상 + 모션캡처(EgoDex 상반신 관절 궤적) + 실로봇 시연(SO-100)

데이터 규모

ego-centric 사람 조작 영상 12M + 로봇 조작 영상 244K; 파인튜닝 248·249·301 demos

주요 데이터셋

자체 ego-centric 영상, EgoDex(Apple Vision Pro), SO-100 자체 시연

태스크·평가

SO-100 3과제(블록 pick-and-place, 딸기, 펜 꽂기) 평균 90.6% vs π0 70.4% vs GR00T N1.5 55.6%(같은 데이터로 파인튜닝)

로봇

LeRobot SO-100 단일 팔(3대)

추론

추론 장치·속도

미공개

추론 메모리

미공개

가중치 bf16 (계산)

14 GB

실행 위치

미공개

강화학습 · 베이스

강화학습

미사용 · 영상 생성 사전학습 + 모방학습

베이스 제어

고정 · 베이스 제어 없음 (SO-100 단일 팔)

비고

핵심 특징

ego-centric 사람 조작 영상 12M개로 비디오 생성을 사전학습한 뒤 궤적 인지 비디오 모델링과 VLA 파인튜닝으로 이어지는 3단계 학습이다. SO-100 3과제 평균 90.6%로 π0(70.4%)와 GR00T N1.5(55.6%)를 앞섰다.

비고

가중치·코드 2025-08-08 공개(Apache 2.0), 기술보고서 2025-09-18. 파라미터(B)는 공개 모델명 기준.

검증

확인