VLA 图库 / 模型列表 / 移动操作

ACT-1

Sunday (Sunday Robotics) · 2025-11

VA移动操作未公开未公开

将Skill Capture Glove采集的人类演示通过Skill Transform转换为机器人数据，无需遥操作机器人轨迹，用一个端到端模型学习长时程操作和3D地图条件导航。

论文

无论文

概述

分类

移动操作

类型

VA

发布

2025-11

机构

Sunday (Sunday Robotics)

权重公开

否

参数

未公开

架构

主干LLM

未公开

视觉编码器

未公开

动作头

未公开 (从操作到导航的可变granularity动作) (未公开)

动作块

未公开

控制频率

未公开

架构原文摘要

未公开；将长时程操作和以3D地图为条件的导航结合为一个end-to-end模型，生成从毫米级操作到米级移动的可变granularity动作

训练

预训练加速器

未公开

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

未公开

数据类型

人类视频

数据规模

佩戴Skill Capture Glove的人类演示，遥操作轨迹0(官方)；已分发数千副手套(官方主页)；500户以上·约1,000万回合·数千小时(二手)

主要数据集

自有Skill Capture Glove家庭数据

任务·评估

整理餐桌→装入洗碗机(独特33种·共68次精细交互，物体21个，移动130 ft以上)；部署于未见过的Airbnb住宅；袜子配对并叠好；操作意式咖啡机；成功率未公开

机器人

Sunday Memo家用机器人(手臂可达地面~7 ft，常规高度4 ft；轮式底盘(二手))

推理

推理设备·速度

未公开 (主页仅称'onboard AI')

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

未公开 · 官方文章未注明训练方式

底盘控制

轮式 (未说明格式) · 单个end-to-end模型直接生成以3D地图为条件的导航动作（底盘指令格式未公开；轮式为二手来源）

备注

核心特点

将Skill Capture Glove采集的人类演示通过Skill Transform转换为机器人数据，无需遥操作机器人轨迹，用一个端到端模型学习长时程操作和3D地图条件导航。自主完成了需操作21个物体·68次精细交互(33种)·移动130 ft以上的餐桌→洗碗机任务，并部署到首次进入的Airbnb住宅。

备注

仅通过官方博客公开(无论文)：结构·参数·算力·成功率未公开。手套→机器人数据转换(Skill Transform)成功率90%。是否有语言指令输入未公开(官方文章仅明示3D地图条件)，故类型暂定为VA。已发布后续ACT-2 Preview(2026-07)。

核验

已确认