G0.5

Galaxea AI (OpenGalaxea) · 2026-06

VLA2026年新增总量未公开离散token

以单一自回归流输出推理与动作的纯解码器VLA。

论文

主干LLM: 未公开
视觉编码器: —
动作头: 自回归推理·动作token (可学习分词器) (离散token)
动作块: 未公开
控制频率: 未公开
架构原文摘要: 单个Transformer解码器以单一目标函数自回归生成推理·动作token（无单独的流匹配专家）；可学习的跨具身动作tokenizer，CoT推理流，视觉记忆模块

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: GPU型号未公开；有'4 epochs, LR 4×10⁻⁵, 全局批量1024'·'100K steps, LR 1×10⁻⁵'的微调表述(所属阶段需与原文核对)
数据类型: 真实机器人遥操作(14种embodiment) + 网络视觉-语言(网络·具身VQA，VQA:动作 1:4)
数据规模: 机器人演示 14种具身（总量未公开）；Galaxea Open-World数据集 500小时以上
主要数据集: Galaxea Open-World Dataset，网络·具身VQA
任务·评估: DROID零样本82.5%；SimplerEnv-Bridge 87.3%；RoboTwin 2.0 93.3%；LIBERO 98.9%；BEHAVIOR-1K 0.3136；真机R1-Lite/R1-Pro 76.7%(π0.5 53.3%，GR00T-N1.7 24.4%)
机器人: Galaxea R1-Lite、R1-Pro等14种本体

强化学习: 未使用 · 机器人演示 + VQA监督学习
底盘控制: 轮式 (直接输出底盘速度/位姿) · 在BEHAVIOR-1K(仿真R1 Pro)中，以与操作分离的token组输出导航；真机R1客户端仅发布臂·躯干·夹爪

核心特点: 以单一自回归流输出推理与动作的纯解码器VLA。在实机R1-Lite/R1-Pro上达到76.7%，超过π0.5(53.3%)和GR00T-N1.7(24.4%)。
备注: 发布2026-06-01，base检查点2026-06-16，arXiv 2026-08-12。G0.5 Community License(非商用，适用于2026-06-16之后的提交；三级许可)。笔记中的'约2B'在原文中只是'从Qwen3.5 2B初始化'，并无总量表述。Galaxea与Galbot是不同公司。
核验: 已确认