GalaxeaVLA
Galaxea 的開放權重 VLA 模型;G0.5 與 G0 Plus 僅限非商業用途
授權條款
- 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
依版本授權。目前的模型 G0.5 與較早的 G0 Plus 採用 Galaxea 自己的社群授權(Non-Commercial + Limited Patent License):可免費用於研究、個人使用、教育與評估,但商業使用需要另向 Galaxea 取得授權。這涵蓋自 2026 年 1 月 4 日起提交的程式碼、權重、設定、腳本與文件。只有在此之前提交的原始 G0 採用 Apache-2.0。Qwen3.5 本身的模型權重、設定檔與相關原專案資料仍採用 Apache-2.0,但衍生自 Qwen3.5 的實作元件屬於 G0.5 資料的一部分。查核日期:2026 年 10 月 29 日。
概述
Galaxea 用於真實世界機器人操作的開放權重視覺-語言-動作模型。目前的版本 G0.5(2026 年 6 月)是一個兼顧推理與動作的單一自迴歸模型,以 Qwen3.5 2B 視覺語言模型初始化,並以來自 14 種形態的機器人示範與網路資料進行預訓練;它的預訓練檢查點可零樣本部署在 Galaxea 的 R1 Lite 與 R1 Pro,以及 SO-100/101 手臂上,並提供 RoboTwin 2.0 評估入口。較早的版本包括雙系統的 G0(G0-VLM 負責高階推理與子任務規劃,G0-VLA 負責低階動作控制),以 Galaxea Open-World Dataset(500 小時以上的真實世界移動操作資料)打造;以及在「Pick Up Anything」示範中展示的 G0 Plus。儲存庫包含 LeRobot 資料集支援、微調與真實機器人部署流程。G0.5 也能在 LeRobot 中以策略類型 g05 執行,用於微調與推論,其中可選的推理步驟會回傳它正在處理的子任務,以及框住物體的邊界框;LeRobot 的 G0.5 程式碼與轉換後的檢查點採用相同的非商業授權,且未經 Galaxea 背書。G0.5 與 G0 Plus 僅授權用於非商業用途;只有原始的 G0 程式碼採用 Apache-2.0。
GalaxeaVLA 是 Galaxea 用於真實世界機器人操作的開放權重視覺-語言-動作模型系列。目前的模型 G0.5 讓視覺語言模型本身擔任執行者:單一個 Transformer 解碼器在同一條自迴歸串流中輸出推理 token 與動作 token。一個學習而得的跨形態動作分詞器(ActionCodec)把不同機器人的動作映射到共用的詞彙,原生的思維鏈將任務分解、物體接地與動作提示與動作交錯排列,視覺記憶模組則輸入數秒的歷史。G0.5 以 Qwen3.5 2B 視覺語言模型初始化,並以來自 14 種形態的機器人示範,加上網路與具身 VQA 資料進行預訓練。它的論文報告在 LIBERO 上達到 98.9%、在 RoboTwin 2.0 上達到 93.3%,並在 Galaxea 的 R1 Lite 與 R1 Pro 上經真實世界微調後達到 76.7%,而 pi0.5 為 53.3%。
Galaxea 發布了適用於 R1 Lite 與 R1 Pro(零樣本與微調)、SO-100/101 手臂、DROID、LIBERO 與 RoboTwin 2.0 的檢查點,G0.5 也能在 LeRobot 中執行。較早的 G0 是雙系統:G0-VLM 負責高階推理與子任務規劃,G0-VLA 負責低階動作控制,以超過 500 小時真實世界移動操作的 Galaxea Open-World Dataset 打造;之後推出了 G0 Plus 與小型的 G0Tiny(250M 參數、SmolVLM2 骨幹,供 R1 Pro 的 Orin 電腦使用)。
為何重要
GalaxeaVLA 結合了 500 小時以上的真實世界移動操作資料,以及預訓練的視覺語言骨幹(G0.5 以 Qwen3.5 2B 為起點),專門瞄準移動操作這個尚未被充分開發的領域,在這個領域中,機器人需要同時進行導航「與」操作。
解決的問題
大多數 VLA 模型都專注於固定機器人的桌面操作。真實世界的機器人需要在空間中移動,「同時」操作物體。GalaxeaVLA 專門以移動操作資料訓練,彌合了導航與操作之間的落差。
重點
- G0.5 是兼顧推理與動作的單一自迴歸模型,以 Qwen3.5 2B 視覺語言模型初始化
- 以來自 14 種形態的機器人示範,加上網路與具身 VQA 資料進行預訓練
- 提供 Galaxea R1 Lite 與 R1 Pro、SO-100/101、DROID、LIBERO 與 RoboTwin 2.0 的檢查點,並支援 LeRobot
- 較早的雙系統 G0 以 500 小時以上的 Galaxea Open-World Dataset 移動操作資料打造
- G0.5 與 G0 Plus 僅限非商業用途;只有原始的 G0 程式碼採用 Apache-2.0
適用對象
- 移動操作研究人員
- 打造服務機器人的企業
- 擁有移動機器人平台的研究實驗室
- 打造自主移動操作機器人的開發者
限制
- 專注於特定的移動操作情境
- 推論需要 GPU
- 訓練資料主要來自特定的機器人平台
- 與主要的 VLA 模型相比,社群規模較小