GalaxeaVLA
Modelos VLA de pesos abertos da Galaxea; G0.5 e G0 Plus são apenas para uso não comercial
Licença
- 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
Licenciamento por versão. O modelo atual, G0.5, e o anterior G0 Plus estão sob as licenças comunitárias próprias da Galaxea (Non-Commercial + Limited Patent License): livres para pesquisa, uso pessoal, educação e avaliação, mas o uso comercial requer uma licença separada da Galaxea. Isso abrange o código, os pesos, as configurações, os scripts e a documentação enviados (commit) a partir de 4 de janeiro de 2026. Apenas o G0 original, enviado antes disso, é Apache-2.0. Os pesos do modelo, arquivos de configuração e materiais originais relacionados do próprio Qwen3.5 continuam Apache-2.0, mas os componentes de implementação derivados do Qwen3.5 fazem parte dos materiais do G0.5. Verificado em 29 de outubro de 2026.
Visão geral
Modelos de visão, linguagem e ação de pesos abertos da Galaxea para manipulação com robôs reais. A versão atual, G0.5 (junho de 2026), é um único modelo autorregressivo para raciocínio e ação, inicializado a partir de um modelo de visão e linguagem Qwen3.5 2B e pré-treinado com demonstrações de robôs de 14 corporificações junto com dados da web; seu checkpoint pré-treinado pode ser implantado sem ajuste adicional (zero-shot) nos R1 Lite e R1 Pro da Galaxea e em braços SO-100/101, com um ponto de entrada para avaliação no RoboTwin 2.0. As versões anteriores são o G0, de sistema duplo (G0-VLM para raciocínio de alto nível e planejamento de subtarefas, G0-VLA para controle de ações de baixo nível), construído com o Galaxea Open-World Dataset (mais de 500 horas de dados de manipulação móvel no mundo real), e o G0 Plus, mostrado na demo "Pick Up Anything". O repositório inclui suporte a conjuntos de dados do LeRobot e pipelines de fine-tuning e de implantação em robôs reais. O G0.5 também roda no LeRobot como tipo de política g05, para fine-tuning e inferência; ali, sua etapa opcional de raciocínio retorna a subtarefa em andamento e caixas delimitadoras ao redor dos objetos. O código do G0.5 no LeRobot e os checkpoints convertidos têm a mesma licença não comercial e não são endossados pela Galaxea. G0.5 e G0 Plus são licenciados apenas para uso não comercial; somente o código original do G0 é Apache-2.0.
GalaxeaVLA é a família de modelos de visão, linguagem e ação de pesos abertos da Galaxea para manipulação com robôs reais. O modelo atual, G0.5, mantém o próprio modelo de visão e linguagem como ator: um único decodificador transformador emite tokens de raciocínio e tokens de ação em um só fluxo autorregressivo. Um tokenizador de ações entre corporificações aprendido (ActionCodec) mapeia as ações de robôs diferentes para um vocabulário comum, uma cadeia de pensamento nativa intercala a decomposição de tarefas, a localização de objetos e dicas de ação com as ações, e um módulo de memória visual fornece vários segundos de histórico. O G0.5 é inicializado a partir de um modelo de visão e linguagem Qwen3.5 2B e pré-treinado com demonstrações de robôs de 14 corporificações, além de dados da web e de VQA corporificada. O artigo relata 98,9% no LIBERO, 93,3% no RoboTwin 2.0 e 76,7% após fine-tuning no mundo real nos R1 Lite e R1 Pro da Galaxea, contra 53,3% do pi0.5.
A Galaxea publica checkpoints para R1 Lite e R1 Pro (zero-shot e com fine-tuning), braços SO-100/101, DROID, LIBERO e RoboTwin 2.0, e o G0.5 também roda no LeRobot. O G0 anterior era um sistema duplo, com o G0-VLM para raciocínio de alto nível e planejamento de subtarefas e o G0-VLA para controle de ações de baixo nível, construído com o Galaxea Open-World Dataset, com mais de 500 horas de manipulação móvel no mundo real; depois vieram o G0 Plus e o pequeno G0Tiny (250 M de parâmetros, backbone SmolVLM2, para o computador Orin do R1 Pro).
Por que importa
O GalaxeaVLA combina mais de 500 horas de dados reais de manipulação móvel com um backbone pré-treinado de visão e linguagem (o G0.5 parte do Qwen3.5 2B), voltado especificamente para o domínio pouco atendido da manipulação móvel, em que os robôs precisam navegar E manipular ao mesmo tempo.
Problema que resolve
A maioria dos modelos VLA se concentra em manipulação de mesa com um robô fixo. Robôs do mundo real precisam se deslocar pelos espaços E manipular objetos. O GalaxeaVLA é treinado especificamente com dados de manipulação móvel, preenchendo a lacuna entre navegação e manipulação.
Pontos principais
- O G0.5 é um único modelo autorregressivo para raciocínio e ação, inicializado a partir de um modelo de visão e linguagem Qwen3.5 2B
- Pré-treinado com demonstrações de robôs de 14 corporificações, além de dados da web e de VQA corporificada
- Checkpoints para Galaxea R1 Lite e R1 Pro, SO-100/101, DROID, LIBERO e RoboTwin 2.0, e suporte no LeRobot
- O G0 anterior, de sistema duplo, foi construído com o Galaxea Open-World Dataset, com mais de 500 horas de manipulação móvel
- G0.5 e G0 Plus são apenas para uso não comercial; somente o código original do G0 é Apache-2.0
Para quem é
- Pesquisadores de manipulação móvel
- Empresas construindo robôs de serviço
- Laboratórios de pesquisa com plataformas robóticas móveis
- Desenvolvedores construindo manipuladores móveis autônomos
Limitações
- Focado em cenários específicos de manipulação móvel
- Exige GPU para inferência
- Dados de treinamento provenientes principalmente de plataformas robóticas específicas
- Comunidade menor em comparação com os principais modelos VLA