Large Behavior Model (TRI LBM)
도요타 리서치 인스티튜트🇺🇸 미국LBM 계열
행동 생성 (VLA)발표일 2025.07가중치 비공개
TRI가 약 1,700시간 로봇 데이터로 사전학습한 다중작업 확산 트랜스포머 정책(LBM). 대규모 블라인드 실험에서 사전학습이 새 과제 학습용 데이터셋을 최대 80% 줄인다고 보고.
- 파라미터
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 제어 빈도
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 적용 로봇
- —
- 벤치마크 결과
- —
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 toyotaresearchinstitute.github.io논문 arxiv.org코드 저장소 toyotaresearchinstitute.github.io
한눈에 읽기
무엇인가
- 행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
- 발표일 2025-07
- 가중치 비공개 — 설명·결과만 공개됨
- 연결된 학습용 데이터셋 1개
확인된 정보
- 사양 9개 항목 중 6개에 값이 있음
- 공식 공식 6개: 구조, 입력, 학습용 데이터셋, 학습용 데이터셋 규모(시간), 적용 로봇 형태, 발표 벤치마크
- 값 확인일 2025-07 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 파라미터 (B), 제어 빈도 (Hz)
- 수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요
어떤 모델인가
Large Behavior Model(LBM)은 토요타 연구소(TRI)가 2025년 7월 논문으로 발표한 다중작업 로봇 조작 정책이다. 대규모·다양한 데이터로 사전학습한 범용 행동 모델이 실제로 얼마나 도움이 되는지를 통계적으로 엄격하게 검증하는 데 초점을 둔 연구다. Diffusion Policy를 확장한 diffusion transformer 구조로, 손목·장면 카메라 영상과 고유수용감각, 언어 지시를 멀티모달 ViT 비전·언어 인코더로 처리하고, AdaLN으로 조건화한 트랜스포머 디노이징 헤드가 16스텝(1.6초) 액션 청크를 출력한다.
사전학습용 데이터셋은 약 1,700시간으로, 자체 양팔 원격조작 468시간, 시뮬레이션 원격조작 45시간, UMI 32시간, Open X-Embodiment에서 고른 약 1,150시간으로 이뤄진다. 양팔 Franka FR3 장비에서 실기 약 1,800회, 시뮬레이션 47,000회 이상의 블라인드 평가 결과, 연구진은 미세조정한 LBM이 처음부터 학습한 정책보다 꾸준히 낫고 어려운 환경에서 새 작업을 3~5배 적은 데이터로 익힌다고 보고했으며, 미세조정 없는 사전학습 모델은 단일 작업 정책을 일관되게 앞서지 못했다고 스스로 밝혔다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | Diffusion Transformer 정책(denoising), CLIP 계열 비전·언어 인코더공식 |
|---|---|
| 입력 | 다중 RGB 카메라, 언어, 고유수용감각공식 |
| 학습용 데이터셋 | TRI 자체 양팔 원격조작(TRI-Ramen) + 시뮬레이션 + OXE 일부 + 공개 데이터공식 |
| 학습용 데이터셋 규모(시간) | 1,700공식 |
| 적용 로봇 형태 | 양팔 Franka FR3 스테이션 (시뮬·실기)공식 |
| 발표 벤치마크 | 사전학습 LBM은 단일과제 정책 대비 80% 적은 데이터로 동일 성능; 1,800회 실기 + 47,000회 시뮬 평가공식 |
학습용 데이터셋
- Open X-Embodiment 구글 딥마인드