Atlas LBM (Boston Dynamics × TRI)
행동 생성 (VLA)발표일 2025.08가중치 비공개
Boston Dynamics와 TRI가 공동 개발한 전기 Atlas용 언어 조건 LBM. 하나의 정책으로 보행·균형·양손 조작을 통합 제어하며 방해를 받아도 작업을 이어가는 장기 과제를 시연. 2026년부터 Google DeepMind Gemini Robotics 연동도 추진.
- 파라미터
- 0.45공식
- 제어 빈도
- 30공식
- 적용 로봇
- 1대
- 벤치마크 결과
- —
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 bostondynamics.com
한눈에 읽기
무엇인가
- 행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
- 발표일 2025-08
- 가중치 비공개 — 설명·결과만 공개됨
- 이 모델을 쓰는 로봇 1대
확인된 정보
- 사양 9개 항목 중 7개에 값이 있음
- 공식 공식 7개: 구조, 입력, 파라미터 (B), 제어 빈도 (Hz), 학습용 데이터셋, 적용 로봇 형태 외 1개
- 값 확인일 2025-08 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
이 모델 데이터에서 따로 확인이 필요한 항목은 없어요.
어떤 모델인가
Atlas LBM은 Boston Dynamics와 Toyota Research Institute(TRI)가 함께 개발한 언어 조건 대규모 행동 모델(LBM)로, 전기 Atlas의 보행·자세 유지·양손 조작을 정책 하나로 처리하는 행동 생성 (VLA) 모델이다. 머리 스테레오 카메라 영상(30Hz), 고유수용감각, 언어 프롬프트를 입력받는다. 450M 파라미터 Diffusion Transformer가 flow matching으로 48스텝(1.6초) 길이의 액션 청크를 만들고, 보통 그중 24스텝을 실행한 뒤 다시 추론하는 방식으로 손·몸통·발 자세와 그리퍼를 30Hz로 제어한다.
학습용 데이터셋은 MPC 기반 VR 원격조작으로 모은 Atlas 실제 시범(원격조작·사람 시연 데이터)에 상체 전용 Atlas Manipulation Test Stand와 TRI Ramen 데이터, 시뮬레이션 데이터를 섞은 것이며, 시연 데이터는 검수와 필터링을 거쳤다. Atlas는 Spot 다리를 접어 선반에 올리고 부품을 통에 옮겨 담는 장기 과제를 이어서 수행했고, 부품이 떨어지는 상황에서도 복구했으며, 회사 측은 재학습 없이 실행 속도를 1.5~2배로 올려도 성능이 크게 떨어지지 않았다고 밝혔다. 정량 성공률은 발표되지 않았고 가중치 공개 여부도 밝히지 않았다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | Diffusion Transformer + flow matching 목표, 48스텝(약 1.6초) 액션 청크 중 24스텝 실행, 관측 히스토리 사용공식 |
|---|---|
| 입력 | 머리 카메라 이미지, 고유수용감각, 언어 프롬프트공식 |
| 파라미터 (B) | 0.45공식 |
| 제어 빈도 (Hz) | 30공식 |
| 학습용 데이터셋 | Atlas 원격조작 데이터 + Atlas Manipulation Test Stand(상체) 데이터 + TRI Ramen 데이터 + 시뮬레이션 공동학습공식 |
| 적용 로봇 형태 | Boston Dynamics 전기 Atlas공식 |
| 발표 벤치마크 | Spot 부품 정리 장기 과제 연속 수행, 방해(밀기·물체 빼앗기)에 대한 복구 시연공식 |
적용 로봇
- Atlas (Electric, Product) 보스턴 다이내믹스
출처 1건
- bostondynamics.com [1]