Galaxea G0——类似Hi Robot的「VLM高层推理 + VLA低层执行」：子任务标注数据训练前者VLM，且三阶段训练后者VLA
💡
原文中文，约6600字，阅读约需16分钟。
📝
内容提要
本文介绍了G0双系统模型，结合视觉-语言-动作（VLA）与多模态规划，提出Galaxea开放世界数据集，旨在提升机器人在复杂任务中的自主感知与执行能力。该数据集包含500小时高保真数据，涵盖150个任务，确保数据一致性与可靠性。G0模型通过三阶段训练策略优化机器人性能，推动具身模型的发展。
🎯
关键要点
- 本文介绍了G0双系统模型，结合视觉-语言-动作（VLA）与多模态规划，提出Galaxea开放世界数据集。
- Galaxea开放世界数据集包含500小时高保真数据，涵盖150个任务，确保数据一致性与可靠性。
- G0模型通过三阶段训练策略优化机器人性能，推动具身模型的发展。
- G0模型架构基于机器人领域分层规划，结合系统1（VLA）与系统2（VLM）进行高效训练。
- Galaxea开放世界数据集在真实世界中采集，确保数据的多样性和真实性。
- 数据采集平台使用Galaxea R1 Lite机器人，具备23自由度，适合复杂操作。
- 数据采集遵循可观测性、数据量与质量、语言锚定等原则，确保高质量标注。
- G0-VLA模型采用三阶段训练策略，逐步提升性能和适应性。
- G0-VLM模型处理高层次自然语言任务指令，为系统1规划子任务指令。
➡️
