Dexmal DM0.5
Dexmal のオープン VLA ロボットモデル。60 秒の視覚記憶を持ち、LeRobot に対応
ライセンス
- code (Dexmal/OpenDM): Apache 2.0
- LeRobot dm05 policy code: Apache 2.0
コード:Apache-2.0。Dexmal/OpenDM の LICENSE ファイルで確認しました。重み:Dexmal のコレクションにあるすべての DM0.5 モデルカードと、LeRobot が変換したコピーに Gemma ライセンスが付いており、いずれもアクセス制限はありません。バックボーンは Google の Gemma 3 を基にしています。Gemma の規約は商用利用、改変、再配布を認めますが、重みを使う人や共有する人は Google の禁止用途ポリシーに従い、この規約を引き継がなければなりません。LeRobot:LeRobot の dm05 ポリシーのコードは Apache-2.0 で、ガイドには重みがそれぞれのモデルカードに従うとあります。データセット:Hugging Face にある Dexmal の RoboTwin 2.0、RoboDojo-Sim、SO-101 の学習データセットには、バージョンや条件のない一般的な Creative Commons のタグしかありません。再利用の前に Dexmal に確認してください。ホスティングサービス:Dexmal MaaS は独自の規約を持つ別の有料サービスです。カード画像:Dexmal 自身のデモ動画から取ったフレームで、どちらのライセンスの対象でもありません。2026-11-12 に LICENSE ファイル、Hugging Face のモデルカードとデータセットカード、LeRobot のガイドで確認しました。
概要
DM0.5 は中国のロボット企業 Dexmal のオープンなビジョン言語アクションモデル (VLA) で、2026 年 7 月 9 日に同社の DM0(2026 年 2 月)の後継として公開されました。カメラ画像、ロボットの関節状態、自然言語の指示を受け取り、連続したロボット動作のチャンクを出力します。Google の Gemma 3 を基にした 4B のビジョン言語バックボーンと、Flow Matching で学習した 680M のアクションエキスパートを組み合わせ、直近最大 60 秒のキーフレームを振り返れるため、物体が元々どこにあったかや、タスクの序盤に人が何を示したかを覚えておけます。Dexmal は複数のロボットによる実機の操作データ、ナビゲーションデータ、人の一人称視点の動画、一般的なビジョン言語データで学習させました。OpenDM リポジトリは重み、学習と推論のコード、ファインチューニングのレシピ、実機向けガイドを公開しています。公開チェックポイントには、ベースモデル、メモリ版、そして LIBERO、RoboTwin 2.0、VLA-Arena、RoboDojo-Sim、RoboChallenge Table30 v2、SO-101 のキューブ把持タスク向けにファインチューニングしたモデルがあります。コードは Apache-2.0、重みは Gemma ライセンスです。LeRobot は 2026 年 10 月に DM0.5 を dm05 ポリシーとして追加しました。
DM0.5 は Dexmal のロボット向け基盤モデルで、2026 年 7 月 9 日に同社の DM0(2026 年 2 月)の後継として公開されました。OpenDM リポジトリにコードがあり、重みは Hugging Face のコレクションと ModelScope にあります。Dexmal はこのモデルを論文ではなく技術ブログで説明しています。
DM0.5 は VLA です。カメラ画像と指示を読むビジョン言語モデルに、その特徴をモーター指令に変えるアクションエキスパートをつないだ構成です。バックボーンは Gemma 3 を基にした 4B モデルで、アクションエキスパートは 680M パラメータです。呼び出しごとに将来の動作のまとまりを生成します(アクションチャンキング)。既定では Flow Matching の 10 ステップで 50 動作を生成し、Dexmal は RTX 4090 一枚で毎秒約 10 回、H100 一枚で約 20 回と報告しています。
Dexmal は DM0 からの改良点として 三つを挙げています。
- 記憶:現在のフレームに加え、直近最大 60 秒の圧縮キーフレームを参照するため、カップを元の場所に戻したり、最初に人が示したルールに従ったりできます。 - 学習時の推論:11 個の追加テキストタスクで、モーター指令の予測だけでなく、タスクの段階、次に起こる出来事、次の動作を説明させます。 - 軌道の整合:予測した動作をタイムスタンプではなく進み具合でデモと対応付けるため、異なる速さで記録されたテレオペレーションデータでも同じ動きを教えられます。
学習データは、AgileX ALOHA、Galaxea R1 Lite、AgiBot G1、Franka Emika Panda、UR5、ARX5 と Dexmal 自社の双腕モバイルロボットによる実機操作データに、ナビゲーションデータ、人が物を扱う一人称視点の動画、一般的な画像と動画のデータを組み合わせたものです。Dexmal によれば、未見のロボットの身体にも追加学習で移行できます(クロスエンボディメント)。ベースのチェックポイントはグリッパー付き 6 関節アーム二本向けの 14 値の状態・動作形式を使い、コアモデルは最大 32 値を扱えます。
公開チェックポイント:
- ファインチューニング用のベースモデル DM05 と、32 個の履歴スロットを持つ DM05-MEM。 - LIBERO、VLA-Arena、RoboTwin 2.0 のベンチマーク用モデル、ARX X5 アーム向けの RoboDojo-Sim モデル、実機四種向けの RoboChallenge Table30 v2 コレクション。 - SO-101 アーム向けの LoRA ファインチューニング DM05-SO101-Pick-Cube と、その学習ガイド。
リポジトリには HTTP API を備えた推論サーバー、フル学習または LoRA で新しいロボットデータに合わせるファインチューニングガイド、RoboTwin 2.0 ガイドなどのベンチマーク用レシピ、Dexmal が使った実機のガイドがあります。対象は AgileX COBOT Magic と Dexmal 自社の DOS-W1 で、カメラ位置も記載されています。LeRobot 0.7 以降、DM0.5 は dm05 ポリシーでもあり、LeRobot のガイドでは lerobot/dm05_base から任意の標準 LeRobot データセットで学習できます。
Dexmal は、LIBERO で 99.0%(pi0.5 は 96.9%)、RoboTwin 2.0 で 93.6% と 93.3%、実機ベンチマーク RoboChallenge Table30 v2 で成功率 43%(pi0.5 は 14.3%)と報告しています。Dexmal はまた、DM0.5 が RoboColiseum と RoboDojo-Sim のリーダーボードで首位になったとしています。これらは Dexmal の数値と主張です。Dexmal は有料のホスティングサービス Dexmal MaaS でも DM0.5 を提供しています。
重要な理由
DM0.5 は、私たちが掲載している pi0 と pi0.5、NVIDIA Isaac GR00T、LingBot-VLA、WALL-OSS、GalaxeaVLA などのオープンな VLA モデルに加わります。Dexmal が最も強調するのは記憶です。DM0.5 は現在のフレームに加えて最大 一分間の過去の映像を使うよう学習しており、重要なものが視界から消えたタスクで効いてきます。複数のベンチマークと実機四種向けのファインチューニング済みチェックポイントもあり、低価格アームの SO-101 を持つ人が再現できる例も付いています。LeRobot のポリシーなので、LeRobot データセットがあれば他のポリシーと同じツールでファインチューニングでき、Dexmal 自身のベンチマーク表では LIBERO、RoboTwin 2.0、RoboChallenge で pi0.5 を上回っています。
解決する課題
オープンなロボットポリシーの多くは現在のカメラ画像だけで判断するため、物体が隠れたり、動かされたり、片付けられたりすると手がかりを失い、デモを記録した人のリズムまで学んでしまいます。高性能なポリシーを一から学習するには、多くのチームが持たない大規模なロボットデータセットも必要です。DM0.5 は、最大 一分間の視覚履歴を保持し、複数のロボットで学習されたオープンな事前学習モデルを、フル学習または LoRA で自前のデータにファインチューニングするレシピとともに提供します。
主なポイント
- オープン VLA モデル:Gemma 3 を基にした 4B のビジョン言語バックボーンと、Flow Matching で学習した 680M のアクションエキスパート
- 直近最大 60 秒のキーフレームを記憶として使い、長いタスクや一部が隠れるタスクに対応
- 50 動作のチャンクを生成。Dexmal は RTX 4090 で約 10 Hz、H100 で約 20 Hz と報告
- LIBERO、RoboTwin 2.0、VLA-Arena、RoboDojo-Sim、RoboChallenge、SO-101 タスク向けのチェックポイント
- LeRobot 0.7 の dm05 ポリシーとしても、Dexmal 自身の OpenDM コードでも動作
- コードは Apache-2.0、重みは Gemma ライセンス
対象
- オープンな VLA モデルを比較するロボット学習の研究者、特に長いタスクや記憶が必要なタスクに関心のある人
- ALOHA 型の双腕構成や単腕構成で、事前学習済みポリシーを自前のデータでファインチューニングしたいチーム
- 使い慣れた学習ツールで大きめの VLA を試したい LeRobot ユーザー(SO-101 の所有者を含む)
- LIBERO、RoboTwin 2.0、RoboChallenge で評価を行うベンチマークの作成者
制限事項
- 重みは Apache-2.0 ではなく Gemma ライセンスです。商用利用は認められますが、モデルを使う人や共有する人には Google の禁止用途ポリシーとその他の条件が引き継がれます
- ベンチマークの数値と順位はすべて Dexmal かリーダーボード自身によるもので、Dexmal が公開しているのは査読付き論文ではなく技術ブログです
- 学習には大型の GPU が必要です。Dexmal は 8 枚を推奨しており、RTX 4090 ではフルファインチューニングがメモリ不足になることがあるため LoRA が勧められています
- 学習データ自体は公開されておらず、ブログには出典はあっても量は書かれていません
- 実機ガイドが扱うのは AgileX COBOT Magic と Dexmal の DOS-W1 のみで、カメラ位置は Dexmal 独自のものです
- ベースのチェックポイントは双腕向けの 14 値の状態・動作形式を前提としており、他のロボットにはファインチューニングと独自の正規化統計が必要です
- 高速推論バックエンドには TensorRT、Triton、FlexAttention が必要で、その FP8 準備ステップには現在 1,024 トークンの上限があります
- Dexmal はモデルのホスティング版を販売しており、オープンな公開と商用サービスが並存しています