VLA 갤러리 / 모델 목록 / Flow·Diffusion VLA
X-VLA
Tsinghua AIR, Shanghai AI Lab, Peking University · 2025-10
VLAFlow·Diffusion VLA0.9Bflow matching
엠바디먼트별 soft prompt(전체 파라미터의 0.04%)로 7개 플랫폼의 이질성을 흡수한다.
논문
X-VLA: Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action ModelarXiv 2510.10274
개요
- 분류
- Flow·Diffusion VLA
- 유형
- VLA
- 발표
- 2025-10
- 기관
- Tsinghua AIR, Shanghai AI Lab, Peking University
- 가중치 공개
- 예
- 파라미터
- 0.9B(X-VLA-0.9B)
구조
- 백본 LLM
- 없음 (Florence-2 인코더만)
- 비전 인코더
- Florence-Large 인코더
- 액션 헤드
- flow matching 트랜스포머 (24블록) + soft prompt (flow matching)
- 청크
- anchor 30개 (4초)
- 제어 주기
- 미공개
- 구조 원문 요약
- Florence-Large VL 인코더(encoder-only) + 엠바디먼트별 학습 가능 soft prompt + 24블록·hidden 1024 flow matching 트랜스포머; EE 자세 액션 = 4초 궤적 anchor point 30개; 추론 denoising 10스텝(README 예시)
학습
- 사전학습 가속기
- A100×64
- 사전학습 기간
- 약 4일
- 사전학습 스텝·배치
- 200K iter, global 배치 1024, bf16, lr 1e-4, wd 0.01
- GPU·TPU-시간
- 6,144 (환산(약) · A100-시간 (64장 × 약 4일))
- 파인튜닝
- 벤치 대부분 배치 128·60K 스텝, Fractal 256·50K, Soft-Fold 256·400K(하드웨어·시간 미공개); PEFT LoRA 9M으로 LIBERO 93%·Simpler-WidowX 54%
- 데이터 종류
- 실로봇 텔레옵
- 데이터 규모
- 290K 에피소드(DROID·RoboMIND·AgiBot), 7개 플랫폼; Soft-Fold 1,200 에피소드·2M 샘플·수집 24시간
- 주요 데이터셋
- DROID, RoboMIND, AgiBot World(48.8%)
- 태스크·평가
- Simpler Google Robot VM 80.4·VA 75.7(논문)/83.5·76.4(README), WidowX 95.8; LIBERO 98.2/98.6/97.8/97.6, 평균 98.1; CALVIN ABC→D 4.43; RoboTwin-2.0 Easy 70.0·Hard 39.0; NAVSIM PDMS 87.3; Soft-Fold 천 접기 2시간 100% 성공(README)
- 로봇
- WidowX, AgileX, AIRBOT 실기; 교차 엠바디먼트 7개 플랫폼·5종 팔(+NAVSIM 주행)
추론
- 추론 장치·속도
- 논문 미공개; LeRobot 포팅 기본 chunk 32·denoising 10(2차)
- 추론 메모리
- 미공개
- 가중치 bf16 (계산)
- 1.8 GB
- 실행 위치
- 미공개
강화학습 · 베이스
- 강화학습
- 미사용 · 모방학습(행동 복제)만 사용
- 베이스 제어
- 고정 · 로봇 실험은 말단 자세만(베이스 없음); NAVSIM 자율주행 폐루프 평가는 별도(로봇 베이스 아님)
비고
- 핵심 특징
- 엠바디먼트별 soft prompt(전체 파라미터의 0.04%)로 7개 플랫폼의 이질성을 흡수한다. LoRA로 파라미터 1%(9M)만 조정해도 LIBERO 93%를 냈고 AgiBot World Challenge @ IROS 2025에서 1위를 했다.
- 비고
- Google Robot 점수 논문 80.4/75.7 vs README 83.5/76.4. LIBERO-Long은 평균 98.1과 맞는 97.6 채택. ICLR 2026 채택(README). App. K에 베이스라인 재학습 연산(A100×4 약 60 h·150,000 스텝, π0 LoRA A800×4 약 7 h·30,000 스텝)이 있음.
- 검증
- 확인