Galaxea 开放世界数据集与 G0 双系统 VLA 模型
机器人学
2025-09-03 v1 计算机视觉与模式识别
摘要
我们提出 Galaxea 开放世界数据集，这是一个大规模、多样化的机器人行为集合，包含来自真实人类生活和工作环境中的演示。所有演示均使用一致的机器人姿态配合精确的子任务级语言注释，以促进训练和评估。在此数据集基础上，我们引入 G0，一个双系统框架，将用于多模态规划的视觉语言模型 (VLM) 与用于精细执行的视觉语言-动作 (VLA) 模型耦合。G0 使用三阶段课程训练：跨姿态预训练、单姿态预训练和任务特定后训练。一个综合基准涵盖桌面操控、零样本学习和长期移动操控，证明了我们方法的有效性。特别是，我们发现单姿态预训练阶段以及 Galaxea 开放世界数据集，在实现卓越性能中起关键作用。
引用
@article{arxiv.2509.00576,
title = {Galaxea Open-World Dataset and G0 Dual-System VLA Model},
author = {Tao Jiang and Tianyuan Yuan and Yicheng Liu and Chenhao Lu and Jianning Cui and Xiao Liu and Shuiqi Cheng and Jiyang Gao and Huazhe Xu and Hang Zhao},
journal= {arXiv preprint arXiv:2509.00576},
year = {2025}
}
备注
https://opengalaxea.github.io/G0/