150개의 학습 데이터로 로봇의 적응 능력 향상: 쑹 링보, LingBot-VLA 미세 조정 코드 오픈소스 공개

앤트 그룹 산하 로봇 기업 링보 테크놀로지(Lingbo Technology)는 자사의 체화 기반 모델인 ‘링봇-VLA(LingBot-VLA)’를 위한 실제 로봇용 사후 훈련 툴체인을 완전한 오픈소스로 공개했다고 발표했다. 이 툴체인을 통해 개발 팀은 자체 데이터를 활용해 링봇-VLA를 자사의 로봇과 작업에 신속하게 적용할 수 있다.
오픈소스 체화 지능 모델의 수가 증가하고 있지만, 특정 로봇에 배포하기 위해서는 여전히 광범위한 적용 작업이 필요합니다. 로봇 팔의 구성, 엔드 이펙터, 센서 설정, 제어 인터페이스의 차이로 인해 팀들은 실제 로봇에 배포하기 위해 종종 상당한 엔지니어링 작업을 수행해야 합니다. 이러한 워크플로는 일반적으로 내부 노하우로만 간직되어 왔으며, 이전에는 완전히 오픈소스로 공개된 사례가 거의 없었습니다.
이번 릴리스는 네 가지 단계에 걸쳐 실제 로봇 적용에 필요한 핵심 요구 사항을 충족합니다: 여러 LeRobot 데이터셋을 병합하고 관절 치수 매핑을 표준화하는 데이터 처리 도구, 실제 로봇 시나리오에 최적화된 훈련 구성, 오프라인 평가 도구, 그리고 컴파일 가속 기능을 갖춘 실제 로봇 배포 모듈입니다. 또한 이 모델은 깊이 정보가 포함된 버전과 포함되지 않은 버전을 제공하여, 팀들이 요구 사항에 따라 선택할 수 있도록 합니다.
신체 기반 파운데이션 모델인 LingBot-VLA는 9가지 주류 양팔 로봇 구성을 아우르는 20,000시간 분량의 실제 로봇 데이터로 사전 훈련되었습니다. 이 모델은 로봇 간 및 작업 간 일반화 능력을 갖추고 있습니다. 실제 로봇 및 시뮬레이션 평가 모두에서 업계 벤치마크인 π0.5를 능가하며, Lepu, Songling, Xinghai Tu와 같은 제조업체를 통해 다중 기계 검증도 완료했습니다.
LingBot-VLA는 단 150개의 데모 데이터 포인트만으로 고품질의 작업 전이를 달성할 수 있습니다. 기반 코드베이스의 심층적인 최적화 덕분에, 이 모델의 훈련 효율은 StarVLA 및 OpenPI와 같은 주류 프레임워크보다 1.5~2.8배 높아, 모델 적응에 필요한 데이터 및 컴퓨팅 비용을 더욱 절감합니다.
LingBot-VLA 코드 저장소는 현재 GitHub(github.com/Robbyant/lingbot-vla)에 오픈소스로 공개되었으며, 모델 가중치는 Hugging Face와 ModelScope에서 확인할 수 있습니다.
관련 기사
ChatGPT의 심층 통합을 통해 대화를 통해 30만 편의 영화와 TV 프로그램을 이용할 수 있게 되었습니다
스트리밍 서비스들이 끝없는 콘텐츠로 시장을 포화시키면서, 사용자들이 수많은 콘텐츠 속에서 실제로 원하는 것을 찾아낼 수 있도록 돕는 것이 업계의 중요한 과제로 대두되고 있다.4월 9일, 주요 스트리밍 업체들은 ChatGPT 애플리케이션 생태계와의 통합을 공식 발표했습니다. 이 기술을 플랫폼에 기본적으로 내장한 최초의 플랫폼이 됨으로써, 해당 서비스는 AI
SEO 순위 향상을 위한 코어 웹 바이탈 개선 방법
AI 기반 자막으로 영상 편집 워크플로우를 혁신하세요목차:소개자동 자막 생성의 주요 장점정확성 확보 및 결과물 다듬기자막 내 검색 기능 활용기존 파일의 원활한 가져오기Transcript.com 소개Transcript.com으로 간편해진 편집유연한 내보내기 형식포괄적인 언어 지원결론소개Transcripted는 AI를 활용하여 자동 자막을 생성하는 Premie
딩톡, 알리AI의 MuleRun을 활용해 아키텍처를 재구축하며 ‘풀 에이전트’ 시대를 열다
딩톡의 신임 CEO이자 우콩(Wukong) 사업부 책임자인 천유센(Chen Yusen)은 오늘 오후 배포된 내부 메모를 통해 대대적인 조직 개편을 발표했다. 딩톡은 ‘핵심 플랫폼 사업부’를 신설하고 AI 에이전트 팀을 완전히 통합함으로써 기업 협업 생태계의 지능형 전환을 가속화하고 있다.이번 개편은 AI 기술을 핵심 비즈니스 운영에 심층적으로 통합하는 데
관련 특별 주제 추천
의견 (0)
0/500

앤트 그룹 산하 로봇 기업 링보 테크놀로지(Lingbo Technology)는 자사의 체화 기반 모델인 ‘링봇-VLA(LingBot-VLA)’를 위한 실제 로봇용 사후 훈련 툴체인을 완전한 오픈소스로 공개했다고 발표했다. 이 툴체인을 통해 개발 팀은 자체 데이터를 활용해 링봇-VLA를 자사의 로봇과 작업에 신속하게 적용할 수 있다.
오픈소스 체화 지능 모델의 수가 증가하고 있지만, 특정 로봇에 배포하기 위해서는 여전히 광범위한 적용 작업이 필요합니다. 로봇 팔의 구성, 엔드 이펙터, 센서 설정, 제어 인터페이스의 차이로 인해 팀들은 실제 로봇에 배포하기 위해 종종 상당한 엔지니어링 작업을 수행해야 합니다. 이러한 워크플로는 일반적으로 내부 노하우로만 간직되어 왔으며, 이전에는 완전히 오픈소스로 공개된 사례가 거의 없었습니다.
이번 릴리스는 네 가지 단계에 걸쳐 실제 로봇 적용에 필요한 핵심 요구 사항을 충족합니다: 여러 LeRobot 데이터셋을 병합하고 관절 치수 매핑을 표준화하는 데이터 처리 도구, 실제 로봇 시나리오에 최적화된 훈련 구성, 오프라인 평가 도구, 그리고 컴파일 가속 기능을 갖춘 실제 로봇 배포 모듈입니다. 또한 이 모델은 깊이 정보가 포함된 버전과 포함되지 않은 버전을 제공하여, 팀들이 요구 사항에 따라 선택할 수 있도록 합니다.
신체 기반 파운데이션 모델인 LingBot-VLA는 9가지 주류 양팔 로봇 구성을 아우르는 20,000시간 분량의 실제 로봇 데이터로 사전 훈련되었습니다. 이 모델은 로봇 간 및 작업 간 일반화 능력을 갖추고 있습니다. 실제 로봇 및 시뮬레이션 평가 모두에서 업계 벤치마크인 π0.5를 능가하며, Lepu, Songling, Xinghai Tu와 같은 제조업체를 통해 다중 기계 검증도 완료했습니다.
LingBot-VLA는 단 150개의 데모 데이터 포인트만으로 고품질의 작업 전이를 달성할 수 있습니다. 기반 코드베이스의 심층적인 최적화 덕분에, 이 모델의 훈련 효율은 StarVLA 및 OpenPI와 같은 주류 프레임워크보다 1.5~2.8배 높아, 모델 적응에 필요한 데이터 및 컴퓨팅 비용을 더욱 절감합니다.
LingBot-VLA 코드 저장소는 현재 GitHub(github.com/Robbyant/lingbot-vla)에 오픈소스로 공개되었으며, 모델 가중치는 Hugging Face와 ModelScope에서 확인할 수 있습니다.
ChatGPT의 심층 통합을 통해 대화를 통해 30만 편의 영화와 TV 프로그램을 이용할 수 있게 되었습니다
스트리밍 서비스들이 끝없는 콘텐츠로 시장을 포화시키면서, 사용자들이 수많은 콘텐츠 속에서 실제로 원하는 것을 찾아낼 수 있도록 돕는 것이 업계의 중요한 과제로 대두되고 있다.4월 9일, 주요 스트리밍 업체들은 ChatGPT 애플리케이션 생태계와의 통합을 공식 발표했습니다. 이 기술을 플랫폼에 기본적으로 내장한 최초의 플랫폼이 됨으로써, 해당 서비스는 AI
SEO 순위 향상을 위한 코어 웹 바이탈 개선 방법
AI 기반 자막으로 영상 편집 워크플로우를 혁신하세요목차:소개자동 자막 생성의 주요 장점정확성 확보 및 결과물 다듬기자막 내 검색 기능 활용기존 파일의 원활한 가져오기Transcript.com 소개Transcript.com으로 간편해진 편집유연한 내보내기 형식포괄적인 언어 지원결론소개Transcripted는 AI를 활용하여 자동 자막을 생성하는 Premie
딩톡, 알리AI의 MuleRun을 활용해 아키텍처를 재구축하며 ‘풀 에이전트’ 시대를 열다
딩톡의 신임 CEO이자 우콩(Wukong) 사업부 책임자인 천유센(Chen Yusen)은 오늘 오후 배포된 내부 메모를 통해 대대적인 조직 개편을 발표했다. 딩톡은 ‘핵심 플랫폼 사업부’를 신설하고 AI 에이전트 팀을 완전히 통합함으로써 기업 협업 생태계의 지능형 전환을 가속화하고 있다.이번 개편은 AI 기술을 핵심 비즈니스 운영에 심층적으로 통합하는 데





집






