VLA 图库 / 模型列表 / 产业界模型

Gemini Robotics 1.5

Google DeepMind · 2025-09

VLA产业界模型未公开未公开

在行动前用自然语言思考的'Thinking VLA'，通过Motion Transfer联合训练多种embodiment数据。

论文

Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion TransferarXiv 2510.03342

概述

分类

产业界模型

类型

VLA

发布

2025-09

机构

Google DeepMind

权重公开

否

参数

未公开

架构

主干LLM

基于Gemini (规模未公开)

视觉编码器

—

动作头

思考·动作交替生成（Thinking VLA） (未公开)

动作块

未公开

控制频率

未公开

架构原文摘要

基于Gemini的Thinking VLA(交替生成自然语言思考与动作)；以Motion Transfer进行多embodiment学习；动作块·控制频率未公开

训练

预训练加速器

TPU v4，v5p，v6e(芯片数未公开；未区分预训练·后训练)

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

真实机器人动作数据(多embodiment) + 网络视觉-语言(公开文本·图像·视频)

数据规模

'thousands of diverse tasks'；时间·回合数未公开

主要数据集

自有多embodiment机器人数据(非公开) + 互联网公开文本·图像·视频

任务·评估

230个任务基准(视觉·指令·动作·任务泛化)；bi-arm Franka 44个任务(20 in-distribution + 24)；ALOHA 105个任务†；开发期间90%以上的评估episode在仿真中进行；agentic对比(Gemini 2.5 Flash + GR 1.5)

机器人

ALOHA 2、bi-arm Franka、Apptronik Apollo人形机器人

推理

推理设备·速度

未公开

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

未使用 · 技术报告仅将RL作为未来工作提及

强化学习依据

https://arxiv.org/html/2510.03342

底盘控制

固定 · 未提及底盘·行走控制（ALOHA·bi-arm Franka·Apollo操作任务）

备注

核心特点

在行动前用自然语言思考的'Thinking VLA'，通过Motion Transfer联合训练多种embodiment数据。报告称仅在ALOHA 2上训练的任务在Apollo·bi-arm Franka上也能运行。

备注

博客 2025-09-25，arXiv v1 2025-10-02（以较早的博客为准）。'currently available to select partners'。模型卡同时涵盖GR 1.5和ER 1.5（Software: JAX, ML Pathways）。ALOHA 105个任务†：已确认的语句仅明示已有泛化 68 + 新action泛化 5 + 新任务类别 12。

核验

已确认