VLA 图库 / 模型列表 / 2026年新增

DreamZero

NVIDIA GEAR · 2026-02

기타2026年新增14B视频world model

联合预测视频与动作的世界动作模型(WAM)。

论文

World Action Models are Zero-shot PoliciesarXiv 2602.15922

概述

分类

2026年新增

类型

기타

发布

2026-02

机构

NVIDIA GEAR

权重公开

是

参数

14B (另有5B消融实验)

架构

主干LLM

无 (视频扩散主干)

视觉编码器

—

动作头

视频 + 动作flow matching联合预测 (视频world model)

动作块

48步 (1.6秒)

控制频率

30 Hz

架构原文摘要

Wan2.1-I2V-14B-480P视频扩散 → 自回归DiT(流匹配·teacher forcing)；相对关节位置动作，30 Hz，48步动作块(1.6 s)

训练

预训练加速器

未公开 (无训练GPU相关语句；H100·GB200仅在推理中提及)

预训练时长

未公开

预训练步数·批量

AgiBot·DROID各100K steps，全局批量128

GPU·TPU-小时

未公开

微调

未公开；适应新具身需游戏数据30分钟、其他机器人·人类视频专用数据10–20分钟

数据类型

真实机器人遥操作 + 视频预训练主干(Wan2.1)

数据规模

AgiBot G1遥操作约500小时(22个环境，回合7.2K) + DROID公开数据集

主要数据集

AgiBot G1遥操作，DROID

任务·评估

AgiBot G1训练任务进度62.2%(最佳预训练VLA 27.4%)，未训练39.5%(16.3%)；DROID-Franka进度49%·成功22.5%；MolmoSpaces·RoboArena第1

机器人

AgiBot G1, Franka(DROID)

推理

推理设备·速度

每个动作块5.7 s→150 ms(含DreamZero-Flash GB200 38×；仅系统优化H100约9×·GB200约16×)，约7 Hz闭环；README GB200约0.6 s·H100约3 s，GPU 2个以上

推理显存

未公开

权重 bf16（计算）

28 GB

运行位置

GPU 2块以上 (README)

强化学习与底盘

强化学习

未使用 · flow matching·teacher forcing监督学习

底盘控制

固定 · 评估任务未明确提及底盘移动 (AgiBot G1相对关节位置动作；训练数据中包含导航)

备注

核心特点

联合预测视频与动作的世界动作模型(WAM)。在未见任务上进度39.5%，超过预训练VLA(16.3%)，是GR00T N2的基础研究。

备注

arXiv 2026-02-17。DreamZero-DROID 14B·DreamZero-AgiBot检查点(Apache 2.0)。数据时间(h)仅为AgiBot部分(DROID另计)。加速倍数条件按核验笔记予以明确。NVIDIA将GR00T N2介绍为'基于DreamZero研究'(2026-03-16)。

核验

已确认