/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Опубликована
9 сен 2025

G0-VLA

Языковая модельИзображение, текст → action

G0-VLA — модель зрения, языка и действий для управления роботами и выполнения манипуляций по инструкциям.

0скачиваний за 30 дней12лайковвеса обновлены13 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

G0-VLA — модель зрения, языка и действий, разработанная командой OpenGalaxea для управления роботами. Архитектура обучается в два этапа: сначала модель зрения и языка предварительно обучается авторегрессионно на данных разных типов роботов, затем модель действий обучается восстанавливать действия по наблюдениям и инструкциям с помощью flow-matching loss. Репозиторий содержит веса G0_3B_base после второго этапа предобучения и статистику использованного набора данных.

Модель предназначена для выполнения манипуляций в реальном мире, включая сценарии с двумя руками и управлением всем телом робота. При обучении используются виды с камер конкретного воплощения робота, инструкции высокого уровня и подзадач. В метаданных указаны форматы ONNX и языки карточки en и zh. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

Сценарии применения

  • управление манипуляциями робота по инструкции
  • выполнение подзадач роботом с двумя руками
  • управление всем телом робота в реальном мире

Ограничения

В репозитории представлены веса после Stage 2 предобучения; заявленные сценарии требуют данных и наблюдений, соответствующих воплощению робота. Лицензия запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🚀 Galaxea Open-World Dataset and G0 Dual-System VLA Model

Project Page Paper Videos Visualizer Modelscope Twitter Linkedin

G0-VLA architecture and training pipeline: Stage 1 pre-trains a vision-language model on cross-embodiment data in an autoregressive manner. Stage 2 and post-train share the same model structure, trained on Galaxea open-world data with embodiment-specific views and high-level and subtask instructions, by supervising the Action Transformer’s action reconstruction with a flow- matching loss.

image/png

In this repo, you can find:

  • G0_3B_base.pt: Model Weights after Stage2 Pretraining
  • G0_3B_base_dataset_statistics: Statistics for Dataset Used in Pretraining

📜 Citation

All the data and code within this repo are under CC BY-NC-SA 4.0. If you use our dataset or models, please cite:

@article{galaxea2025,
  title={Galaxea G0: Open-World Dataset and Dual-System VLA Model},
  author={Galaxea Team},
  journal={arXiv preprint arXiv:2509.00576},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
d24d4d1

0 моделей