VLA 갤러리 / 모델 목록 / 자기회귀·잠재 액션 VLA

VLA-0

NVIDIA · 2025-10

VLA자기회귀·잠재 액션 VLA3B이산 토큰

VLM 구조와 어휘를 바꾸지 않고 액션을 일반 텍스트 숫자로 내게 한 설계다.

논문

VLA-0: Building State-of-the-Art VLAs with Zero ModificationarXiv 2510.13054

개요

분류

자기회귀·잠재 액션 VLA

유형

VLA

발표

2025-10

기관

NVIDIA

가중치 공개

예

파라미터

3B

구조

백본 LLM

Qwen2.5-3B · Qwen2.5-VL-3B 구성

비전 인코더

Qwen2.5-VL ViT

액션 헤드

정수 텍스트 액션 (액션 헤드 없음) (이산 토큰)

청크

다중 스텝 + 앙상블

제어 주기

미공개

구조 원문 요약

수정하지 않은 Qwen2.5-VL-3B; 액션을 정수 텍스트(예: 0–1000)로 출력, 다중 스텝 예측 + 시점 간 앙상블, 어휘 변경·액션 헤드 없음

학습

사전학습 가속기

해당 없음(로봇 사전학습 없음)

사전학습 기간

해당 없음

사전학습 스텝·배치

해당 없음

GPU·TPU-시간

미공개

파인튜닝

A100 8장 약 32 h, 64 epochs, batch 192, lr 5e-6

데이터 종류

시뮬레이션·합성 + 실로봇 텔레옵

데이터 규모

LIBERO 시연; 실제 SO-100 시연 100개

주요 데이터셋

LIBERO

태스크·평가

LIBERO 평균 94.7%; 실제 SO-100 4과제(SmolVLA 대비 +12.5%p)

로봇

SO-100, LIBERO 시뮬레이션

추론

추론 장치·속도

RTX 5090 데스크톱 4 Hz(README: TensorRT-LLM으로 6 Hz 가능)

추론 메모리

미공개

가중치 bf16 (계산)

6 GB

실행 위치

로컬 PC

강화학습 · 베이스

강화학습

미사용 · 모방학습(행동 복제)만 사용

베이스 제어

고정 · 베이스 제어 없음 (SO-100 팔·LIBERO)

비고

핵심 특징

VLM 구조와 어휘를 바꾸지 않고 액션을 일반 텍스트 숫자로 내게 한 설계다. 대규모 로봇 사전학습 없이 LIBERO 94.7%를 보고했다.

비고

로봇 학습 전체가 파인튜닝 1단계다(A100 8장 × 약 32 h, 환산(약) 256 A100-시간). 기반 모델 라이선스는 Qwen Research License다.

검증

확인