VLA 图库 / 模型列表 / 产业界模型

GEN-0

Generalist AI · 2025-11

기타产业界模型1B·6B·7B对比；扩展至10B+未公开

以270,000 h真实世界操作数据预训练的embodied foundation model。

论文

无论文

概述

分类

产业界模型

类型

기타

发布

2025-11

机构

Generalist AI

权重公开

否

参数

1B·6B·7B对比；扩展至10B+

架构

主干LLM

未公开

视觉编码器

—

动作头

Harmonic Reasoning (异步连续时间token流) (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；处理感知·动作token异步连续时间流的'Harmonic Reasoning'（思考与行动同时进行）

训练

预训练加速器

未公开（仅公开数据处理 O(10K) cores）

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（16个task set同时SFT；任务数据 5.6 h（1%）~550+ h（全部）后训练比较）

数据类型

真实世界操作数据(机器人·采集设备；设备细节未公开)

数据规模

270,000 h，每周新增10,000 h以上；数千个家庭·仓库·作业场所，数千台采集设备·机器人；每训练一天吸收6.85年的数据量

主要数据集

自行采集数据(非公开)

任务·评估

处理衣物、组装乐高、相机·手机·箱子打包等；部分任务最高99%

机器人

6DoF、7DoF、16+DoF semi-humanoid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）

20 GB

运行位置

未公开

强化学习与底盘

强化学习

未公开 · 训练方式未公开

底盘控制

固定 · 未提及底盘·行走控制（6·7 DoF机械臂，16+DoF半人形）

备注

核心特点

以270,000 h真实世界操作数据预训练的embodied foundation model。在7B出现相变，小模型表现出'ossification'，并报告了预训练数据规模与下游性能之间的power-law。

备注

参数(B)为'10B+'标注的下限值10。后训练使用语言条件数据，但公司未将其称为VLA，故类型为其他。数据规模为公司博客单方面说法(无外部验证)。发布2025-11-04。

核验

已确认