GalaxeaVLA
I modelli VLA a pesi aperti di Galaxea; G0.5 e G0 Plus sono solo per uso non commerciale
Licenza
- original G0 (commits before 38b31e4, before 4 Jan 2026): Apache 2.0
- G0 Plus (38b31e4 to dc0a1ef, 4 Jan to 16 Jun 2026): the maker's own non-commercial terms
- G0.5 (dc0a1ef onward, 16 Jun 2026; the current release): the maker's own non-commercial terms
Licenza per release. Il modello attuale, G0.5, e il precedente G0 Plus sono soggetti alle licenze comunitarie proprie di Galaxea (Non-Commercial + Limited Patent License): gratuiti per ricerca, uso personale, istruzione e valutazione, ma l'uso commerciale richiede una licenza separata da Galaxea. Ciò riguarda il codice, i pesi, le configurazioni, gli script e la documentazione inseriti con commit dal 4 gennaio 2026. Solo il G0 originale, inserito prima di quella data, è Apache-2.0. I pesi del modello, i file di configurazione e i relativi materiali upstream di Qwen3.5 restano Apache-2.0, ma i componenti di implementazione derivati da Qwen3.5 fanno parte dei materiali G0.5. Verificato il 29 ott 2026.
Panoramica
I modelli Vision-Language-Action a pesi aperti di Galaxea per la manipolazione robotica nel mondo reale. La release attuale, G0.5 (giugno 2026), è un unico modello autoregressivo per ragionamento e azione, inizializzato da un modello vision-language Qwen3.5 2B e preaddestrato su dimostrazioni robotiche di 14 embodiment insieme a dati web; il suo checkpoint preaddestrato si mette in funzione zero-shot sugli R1 Lite e R1 Pro di Galaxea e sui bracci SO-100/101, con un punto di ingresso per la valutazione su RoboTwin 2.0. Le release precedenti sono il G0 a doppio sistema (G0-VLM per il ragionamento di alto livello e la pianificazione dei sottocompiti, G0-VLA per il controllo delle azioni di basso livello), costruito con il Galaxea Open-World Dataset (oltre 500 ore di dati reali di manipolazione mobile), e G0 Plus, mostrato nella demo 'Pick Up Anything'. Il repository include il supporto per i dataset LeRobot e pipeline di fine-tuning e di messa in funzione su robot reali. G0.5 funziona anche in LeRobot come tipo di policy g05, per fine-tuning e inferenza, dove il suo passaggio di ragionamento facoltativo restituisce il sottocompito su cui sta lavorando e i riquadri attorno agli oggetti; il codice G0.5 di LeRobot e i checkpoint convertiti hanno la stessa licenza non commerciale e non sono approvati da Galaxea. G0.5 e G0 Plus sono concessi in licenza solo per uso non commerciale; solo il codice del G0 originale è Apache-2.0.
GalaxeaVLA è la famiglia di modelli Vision-Language-Action a pesi aperti di Galaxea per la manipolazione robotica nel mondo reale. Il modello attuale, G0.5, mantiene il modello vision-language come attore: un singolo decoder Transformer emette token di ragionamento e token di azione in un unico flusso autoregressivo. Un tokenizer di azioni cross-embodiment appreso (ActionCodec) mappa le azioni di robot diversi in un vocabolario condiviso, una chain of thought nativa intercala con le azioni la scomposizione del compito, il grounding degli oggetti e suggerimenti sulle azioni, e un modulo di memoria visiva fornisce diversi secondi di storia. G0.5 è inizializzato da un modello vision-language Qwen3.5 2B e preaddestrato su dimostrazioni robotiche di 14 embodiment insieme a dati web e di VQA incarnata. Il suo articolo riporta il 98,9% su LIBERO, il 93,3% su RoboTwin 2.0 e il 76,7% dopo il fine-tuning nel mondo reale sugli R1 Lite e R1 Pro di Galaxea, contro il 53,3% di pi0.5.
Galaxea pubblica checkpoint per R1 Lite e R1 Pro (zero-shot e fine-tuning), bracci SO-100/101, DROID, LIBERO e RoboTwin 2.0, e G0.5 funziona anche in LeRobot. Il precedente G0 era un sistema doppio, G0-VLM per il ragionamento di alto livello e la pianificazione dei sottocompiti e G0-VLA per il controllo delle azioni di basso livello, costruito con il Galaxea Open-World Dataset di oltre 500 ore di manipolazione mobile reale; lo hanno seguito G0 Plus e il piccolo G0Tiny (250M parametri, backbone SmolVLM2, per il computer Orin dell'R1 Pro).
Perché è importante
GalaxeaVLA combina oltre 500 ore di dati reali di manipolazione mobile con una backbone visione-linguaggio preaddestrata (G0.5 parte da Qwen3.5 2B), puntando in modo specifico al campo poco servito della manipolazione mobile, in cui i robot devono navigare E manipolare contemporaneamente.
Il problema che risolve
La maggior parte dei modelli VLA si concentra sulla manipolazione da tavolo con un robot fisso. I robot reali devono muoversi negli spazi E manipolare oggetti. GalaxeaVLA è addestrato specificamente su dati di manipolazione mobile e colma il divario tra navigazione e manipolazione.
Punti chiave
- G0.5 è un unico modello autoregressivo per ragionamento e azione, inizializzato da un modello vision-language Qwen3.5 2B
- Preaddestrato su dimostrazioni robotiche di 14 embodiment più dati web e di VQA incarnata
- Checkpoint per Galaxea R1 Lite e R1 Pro, SO-100/101, DROID, LIBERO e RoboTwin 2.0, e supporto in LeRobot
- Il precedente G0 a doppio sistema è stato costruito sul Galaxea Open-World Dataset di manipolazione mobile, di oltre 500 ore
- G0.5 e G0 Plus sono solo per uso non commerciale; solo il codice del G0 originale è Apache-2.0
A chi si rivolge
- Ricercatori di manipolazione mobile
- Aziende che costruiscono robot di servizio
- Laboratori di ricerca con piattaforme robotiche mobili
- Sviluppatori che costruiscono manipolatori mobili autonomi
Limiti
- Incentrato su specifici scenari di manipolazione mobile
- Richiede una GPU per l'inferenza
- Dati di addestramento provenienti principalmente da specifiche piattaforme robotiche
- Comunità più piccola rispetto ai principali modelli VLA