论文
HoloBrain-0 技术报告
HoloBrain-0 Technical Report
摘要
在这项工作中,我们介绍了 HoloBrain-0,这是一个全面的视觉-语言-动作 (VLA) 框架,它弥补了基础模型研究和可靠的现实世界机器人部署之间的差距。我们系统的核心是一种新颖的 VLA 架构,它明确地结合了机器人实施例先验,包括多视图相机参数和运动学描述 (URDF),以增强 3D 空间推理并支持不同的实施例。我们通过可扩展的“训练前然后训练后”范式验证了这一设计,在 RoboTwin 2.0、LIBERO 和 GenieSim 等模拟基准上取得了最先进的结果,并在具有挑战性的长视野现实世界操作任务中取得了出色的结果。值得注意的是,我们高效的 0.2B 参数变体可与更大的基线相媲美,从而实现低延迟的设备部署。为了进一步加速研究和实际采用,我们完全开源整个 HoloBrain 生态系统,其中包括:(1) 强大的预训练 VLA 基础;(2) 用于多个模拟套件和实际任务的后训练检查点;(3) RoboOrchard,用于数据管理、模型训练 和部署的全堆栈 VLA 基础设施。与标准化数据收集协议一起,该版本为社区提供了实现高性能机器人操作的完整、可重复的路径。