X Square Robotは、身体性知能のためのVision-Language-ActionモデルであるWall-OSS-0.5をオープンソース化しました。このモデルは、微調整なしで17の難易度の高いタスクにおいて実際のロボット上でゼロショットでの動作を実現し、見たことのない柔軟な物体を扱うタスクでは82点のスコアを記録しました。業界のベンチマークであるπ0.5と比較しても、平均で17.5ポイント上回っており、精密な操作においてはほぼ桁違いの改善が見られました。主な革新点には、グラディエントブリッジング、視覚アライメントトークナイザー、アクションスペースの監視、DMuon分散最適化などがあります。このモデルの重み設定、トレーニングコード、データセットのインターフェースはすべてオープンソースで公開されています。