Dexmal DM0.5
Il modello VLA aperto di Dexmal, con 60 s di memoria visiva, in LeRobot
Licenza
- code (Dexmal/OpenDM): Apache 2.0
- LeRobot dm05 policy code: Apache 2.0
Codice: Apache-2.0, letto nel file LICENSE di Dexmal/OpenDM. Pesi: la licenza Gemma su ogni scheda di modello DM0.5 della collezione di Dexmal e sulle copie convertite da LeRobot, nessuna ad accesso limitato; la base è costruita su Gemma 3 di Google. I termini Gemma consentono uso commerciale, modifiche e ridistribuzione, ma chi usa o condivide i pesi deve rispettare la policy sugli usi vietati di Google e trasmettere questi termini. LeRobot: il codice della policy dm05 in LeRobot è Apache-2.0, e la sua guida dice che i pesi seguono le rispettive schede di modello. Dataset: i dataset di addestramento di Dexmal per RoboTwin 2.0, RoboDojo-Sim e SO-101 su Hugging Face hanno solo un'etichetta Creative Commons generica senza versione né condizioni; chiedere a Dexmal prima di riutilizzarli. Servizio ospitato: Dexmal MaaS è un servizio a pagamento separato, con condizioni proprie. Immagine della scheda: un fotogramma del video dimostrativo di Dexmal, non coperto da nessuna delle due licenze. Verificato il 2026-11-12 sul file LICENSE, sulle schede di modelli e dataset di Hugging Face e sulla guida di LeRobot.
Panoramica
DM0.5 è un modello Vision-Language-Action (VLA) aperto dell'azienda cinese di robotica Dexmal, pubblicato il 9 luglio 2026 come successore del suo modello DM0 di febbraio 2026. Riceve le immagini delle telecamere, lo stato dei giunti del robot e un'istruzione in linguaggio naturale, e restituisce blocchi di azioni continue del robot. Il modello unisce una base vision-language da 4B costruita su Gemma 3 di Google a un action expert da 680M addestrato con Flow Matching, e può guardare indietro a fotogrammi chiave fino agli ultimi 60 secondi, così ricorda dove si trovava un oggetto o cosa una persona ha mostrato prima nel compito. Dexmal lo ha addestrato con dati reali di manipolazione di diversi tipi di robot, dati di navigazione, video in prima persona di persone e dati generali di visione e linguaggio. Il repository OpenDM pubblica i pesi, il codice di addestramento e inferenza, ricette di fine-tuning e guide per robot reali. I checkpoint pubblicati comprendono il modello base, una versione con memoria e modelli affinati per LIBERO, RoboTwin 2.0, VLA-Arena, RoboDojo-Sim, RoboChallenge Table30 v2 e un compito di presa di un cubo con il SO-101. Il codice è sotto Apache-2.0; i pesi sono sotto la licenza Gemma. LeRobot ha aggiunto DM0.5 come policy dm05 a ottobre 2026.
DM0.5 è il foundation model per robot di Dexmal, pubblicato il 9 luglio 2026 come successore del suo DM0 di febbraio 2026. Il repository OpenDM contiene il codice; i pesi sono in una collezione Hugging Face e su ModelScope. Dexmal descrive il modello in un blog tecnico, non in un articolo scientifico.
DM0.5 è un VLA: un modello Vision-Language che legge le immagini delle telecamere e l'istruzione, collegato a un action expert che trasforma le sue caratteristiche in comandi per i motori. La base è un modello da 4B costruito su Gemma 3, e l'action expert ha 680M parametri. Ogni chiamata produce un blocco di azioni future (action chunking); per impostazione predefinita 10 passi di Flow Matching generano 50 azioni, e Dexmal riporta circa 10 chiamate al secondo su una RTX 4090 e 20 su una H100.
Dexmal indica tre novità rispetto a DM0:
- Memoria: oltre al fotogramma corrente, il modello vede fotogrammi chiave compressi fino agli ultimi 60 secondi, così può rimettere una tazza dov'era o seguire una regola mostrata da una persona all'inizio. - Ragionamento in addestramento: 11 compiti testuali aggiuntivi portano il modello a descrivere le fasi del compito, gli eventi in arrivo e le sue prossime azioni, non solo a prevedere comandi per i motori. - Allineamento delle traiettorie: le azioni previste vengono abbinate alla dimostrazione in base all'avanzamento e non al timestamp, così i dati di teleoperazione registrati a velocità diverse insegnano lo stesso movimento.
I dati di addestramento uniscono manipolazione reale da AgileX ALOHA, Galaxea R1 Lite, AgiBot G1, Franka Emika Panda, UR5, ARX5 e dal robot mobile a due bracci di Dexmal a dati di navigazione, video in prima persona di persone che maneggiano oggetti e dati generali di immagini e video. Dexmal afferma che il modello può essere riaddestrato per corpi robotici che non ha visto (cross-embodiment); il checkpoint base usa un formato di stato e azione a 14 valori per due bracci a 6 giunti con pinze, e il modello centrale gestisce fino a 32 valori.
Checkpoint pubblicati:
- DM05, il modello base per il fine-tuning, e DM05-MEM, una versione con 32 posizioni di cronologia. - Modelli di benchmark per LIBERO, VLA-Arena e RoboTwin 2.0, il modello RoboDojo-Sim per bracci ARX X5 e una collezione RoboChallenge Table30 v2 per quattro tipi di robot reali. - DM05-SO101-Pick-Cube, un fine-tuning LoRA per il braccio SO-101 con la sua guida all'addestramento.
Il repository offre un server di inferenza con API HTTP, una guida al fine-tuning per nuovi dati di robot con addestramento completo o LoRA, ricette di benchmark come la guida RoboTwin 2.0 e una guida ai robot reali usati da Dexmal: l'AgileX COBOT Magic e il DOS-W1 di Dexmal, con la posizione delle telecamere. Da LeRobot 0.7, DM0.5 è anche la policy dm05: la guida LeRobot addestra a partire da lerobot/dm05_base su qualsiasi dataset LeRobot standard.
Dexmal riporta il 99,0% su LIBERO contro il 96,9% di pi0.5, il 93,6% e il 93,3% su RoboTwin 2.0 e un tasso di successo del 43% sul benchmark con robot reali RoboChallenge Table30 v2 contro il 14,3% di pi0.5. Dexmal afferma inoltre che DM0.5 si è classificato primo nelle classifiche di RoboColiseum e RoboDojo-Sim; sono numeri e affermazioni di Dexmal. Dexmal offre anche DM0.5 come servizio ospitato a pagamento, Dexmal MaaS.
Perché è importante
DM0.5 si aggiunge ai modelli VLA aperti che elenchiamo, come pi0 e pi0.5, NVIDIA Isaac GR00T, LingBot-VLA, WALL-OSS e GalaxeaVLA. Ciò che Dexmal mette al primo posto è la memoria: DM0.5 è addestrato a usare fino a un minuto di viste passate oltre al fotogramma corrente, cosa che conta nei compiti in cui qualcosa di importante è uscito dall'inquadratura. Fornisce inoltre checkpoint affinati per diversi benchmark e quattro tipi di robot reali, più un esempio con il SO-101 che chi possiede questo braccio economico può riprodurre. Essendo una policy di LeRobot, chiunque abbia un dataset LeRobot può affinarlo con gli stessi strumenti delle altre policy, e le tabelle di Dexmal lo pongono davanti a pi0.5 su LIBERO, RoboTwin 2.0 e RoboChallenge.
Il problema che risolve
La maggior parte delle policy aperte per robot decide solo in base al fotogramma corrente della telecamera, quindi perde il filo quando un oggetto viene nascosto, spostato o riposto, e impara il ritmo di chi ha registrato le dimostrazioni. Addestrare da zero una policy capace richiede inoltre grandi dataset robotici che pochi team possiedono. DM0.5 offre ai team un modello aperto preaddestrato che conserva fino a un minuto di cronologia visiva, è stato addestrato su diversi tipi di robot e include ricette per affinarlo sui propri dati con addestramento completo o LoRA.
Punti chiave
- Modello VLA aperto: una base vision-language da 4B su Gemma 3 con un action expert da 680M addestrato con Flow Matching
- Usa fotogrammi chiave fino agli ultimi 60 secondi come memoria per compiti lunghi o in parte nascosti
- Genera blocchi di 50 azioni; Dexmal riporta circa 10 Hz su una RTX 4090 e 20 Hz su una H100
- Checkpoint per LIBERO, RoboTwin 2.0, VLA-Arena, RoboDojo-Sim, RoboChallenge e un compito con il SO-101
- Funziona come policy dm05 in LeRobot 0.7 e nel codice OpenDM di Dexmal
- Codice sotto Apache-2.0; pesi sotto la licenza Gemma
A chi si rivolge
- Ricercatori di apprendimento robotico che confrontano modelli VLA aperti, soprattutto su compiti lunghi o che richiedono memoria
- Team con configurazioni a due bracci in stile ALOHA o a un braccio che vogliono affinare una policy preaddestrata sui propri dati
- Utenti di LeRobot, compresi i possessori di un SO-101, che vogliono provare un VLA più grande con i soliti strumenti di addestramento
- Autori di benchmark che eseguono valutazioni su LIBERO, RoboTwin 2.0 o RoboChallenge
Limiti
- I pesi sono sotto la licenza Gemma, non Apache-2.0: consente l'uso commerciale ma trasmette la policy sugli usi vietati di Google e le altre sue condizioni a chiunque usi o condivida il modello
- Tutti i numeri di benchmark e i piazzamenti in classifica provengono da Dexmal o dalle classifiche stesse; Dexmal pubblica un blog tecnico, non un articolo con revisione paritaria
- L'addestramento richiede GPU grandi: Dexmal consiglia 8 GPU, e il fine-tuning completo può esaurire la memoria su una RTX 4090, dove LoRA è la strada suggerita
- I dati di addestramento non sono pubblicati; il blog ne elenca le fonti ma non le quantità
- La guida ai robot reali copre solo l'AgileX COBOT Magic e il DOS-W1 di Dexmal, con le posizioni delle telecamere scelte da Dexmal
- Il checkpoint base si aspetta un formato di stato e azione a due bracci con 14 valori; altri robot richiedono fine-tuning e proprie statistiche di normalizzazione
- Il backend di inferenza veloce richiede TensorRT, Triton e FlexAttention, e il suo passo di preparazione FP8 ha per ora un limite di 1.024 token
- Dexmal vende una versione ospitata del modello, quindi il rilascio aperto convive con un servizio commerciale