RynnVLA-001

알리바바(다모아카데미)🇨🇳 중국Rynn / DAMO Embodied 계열

행동 생성 (VLA)발표일 2025.08가중치 공개 · Apache-2.0

1인칭 영상 생성 사전학습 후 궤적·행동으로 단계적 미세조정하는 다모아카데미의 7B 행동 생성 (VLA) 모델로, 2025년 8월 RynnEC·RynnRCP와 함께 공개됐다(README상 비상업 연구 프리뷰).

파라미터: 7공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: —

공식 자료논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
발표일 2025-08
가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음

확인된 정보

사양 9개 항목 중 3개에 값이 있음
공식 공식 3개: 구조, 파라미터 (B), 학습용 데이터셋
값 확인일 2025-08 – 2025-09 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력, 제어 빈도 (Hz)
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

RynnVLA-001은 알리바바 다모아카데미가 2025년 8월 공개한 7B 행동 생성 (VLA) 모델이다. 사람의 1인칭 조작 영상에서 배운 기술을 로봇 팔로 옮기는 것을 목표로 한다. Chameleon-7B에서 출발한 자기회귀 트랜스포머가 이미지와 언어 지시를 받아 행동 임베딩을 예측한다.

행동 묶음을 연속 임베딩으로 압축하는 ActionVAE의 디코더가 이 임베딩을 실제 action chunk로 풀어내며, 추론 때는 미래 영상 토큰 생성을 생략한다. 학습은 세 단계다. 약 1,200만 개의 1인칭 조작 영상으로 이미지→영상 생성 사전학습을 하고, 사람 손목 키포인트 궤적을 함께 예측하도록 학습한 뒤, 로봇 데이터로 행동을 예측하도록 학습했다.

연구진은 LeRobot SO100 팔의 시범 798개로 블록·딸기 집어 옮기기와 펜 꽂기를 학습해 평균 성공률 90.6%를 냈다고 보고했다. 이는 π0(70.4%)와 GR00T N1.5(55.6%)보다 높은 수치다. Base·Trajectory 가중치와 학습 코드가 Apache-2.0으로 공개됐지만 README는 비상업 연구 프리뷰라고 밝힌다.

저장소에는 ICRA 2026 논문으로 표기돼 있다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	1인칭(egocentric) 영상 생성 사전학습 → 사람 궤적 → 로봇 행동 미세조정, ActionVAE공식
파라미터 (B)	7공식
학습용 데이터셋	대규모 1인칭 조작 영상 + 로봇 시연공식

출처 5건

arxiv.org [1][2]
huggingface.co [1][2]
github.com [1]

한눈에 읽기