VLA 갤러리 / 모델 목록 / 2026 신규

Xiaomi-Robotics-0

Xiaomi · 2026-02

VLA2026 신규4.7Bflow matching

Λ자형 attention mask와 RoPE 위치 오프셋으로 비동기 실행을 학습한다.

논문

Xiaomi-Robotics-0: An Open-Sourced Vision-Language-Action Model with Real-Time ExecutionarXiv 2602.12684

개요

분류

2026 신규

유형

VLA

발표

2026-02

기관

Xiaomi

가중치 공개

예

파라미터

4.7B

구조

백본 LLM

Qwen3 · Qwen3-VL-4B 구성

비전 인코더

Qwen3-VL ViT

액션 헤드

DiT 16층 flow matching (5스텝) (flow matching)

청크

10 · 4 (SimplerEnv)

제어 주기

30 Hz

구조 원문 요약

Qwen3-VL-4B-Instruct + 16층 DiT 액션 생성기(플로 매칭 5스텝); 청크 T=10(LIBERO·CALVIN)·T=4(SimplerEnv), 30 Hz 타임라인

학습

사전학습 가속기

미공개

사전학습 기간

미공개

사전학습 스텝·배치

40k steps, 배치 32,768 (VL:로봇 샘플링 1:6)

GPU·TPU-시간

미공개

파인튜닝

GPU·시간 미공개; 배치 2,048, Lego 분해 40k·수건 개기 80k steps

데이터 종류

실로봇 텔레옵(DROID·MolmoAct·사내) + 웹 비전-언어

데이터 규모

로봇 궤적 약 200M 타임스텝; VL 샘플 80M 이상; 사내 과제 데이터 Lego 338시간·수건 400시간

주요 데이터셋

DROID, MolmoAct 데이터, 사내 데이터

태스크·평가

LIBERO 98.7%; SimplerEnv Google Robot 85.5%(VM)·74.7%(VA), WidowX 79.2%; CALVIN ABCD→D 4.75·ABC→D 4.80

로봇

실로봇 양팔(기종 노트 미기재), 시뮬레이션 Google Robot·WidowX

추론

추론 장치·속도

RTX 4090, t_inf=80ms(플로 매칭 5스텝)

추론 메모리

미공개

가중치 bf16 (계산)

9.4 GB

실행 위치

로컬 PC

강화학습 · 베이스

강화학습

미사용 · 사전학습·사후학습 모두 지도학습

강화학습 근거

https://arxiv.org/html/2602.12684

베이스 제어

고정 · 베이스 언급 없음 (6-DoF 양팔 로봇)

비고

핵심 특징

Λ자형 attention mask와 RoPE 위치 오프셋으로 비동기 실행을 학습한다. RTX 4090에서 추론 지연 80 ms다.

비고

arXiv v1 2026-02-13, v2 2026-03-25. 전체 규모가 타임스텝 단위라 데이터 시간(h) 비움.

검증

확인