WALL-OSS

행동 생성 (VLA)발표일 2025.09가중치 공개 · Apache-2.0

WALL 계열의 오픈소스 버전으로, Qwen2.5-VL-3B 백본 위에 지시 추론·하위목표 분해·행동 생성을 통합한 엔드투엔드 피지컬 AI 모델이에요. FLOW(플로우 매칭)·FAST(토큰) 두 변형을 Apache-2.0으로 공개했어요.

파라미터: 4공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: 1건

공식 자료프로젝트 페이지 x2robot.com 논문 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 2025-09
가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음
수록된 벤치마크 결과 1건

확인된 정보

사양 9개 항목 중 4개에 값이 있음
공식 공식 4개: 구조, 입력, 파라미터 (B), 학습용 데이터셋
벤치마크 결과 1건: 자체 발표 0건 · 자체 발표 외 평가 1건
값 확인일 2025-09 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

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

어떤 모델인가

WALL-OSS는 X Square Robot이 2025년 9월 공개한 오픈소스 엔드투엔드 피지컬 AI 파운데이션 모델이다. 이해·계획 (VLM) 모델을 로봇 조작으로 확장해 로봇 작업 상황에 맞는 시각·언어 이해, 언어와 행동의 연결, 견고한 조작 능력을 함께 갖추는 것을 목표로 한다. Qwen2.5-VL-3B를 백본으로 한 약 4B 파라미터 모델이다.

정적 라우터가 시각·언어용 FFN과 행동용 FFN을 나누고, 토큰은 공유 어텐션으로 상호작용한다. 하나의 모델 안에서 지시 추론, 하위 목표 분해, 세부 행동 생성을 잇는 'Unified Cross-Level CoT'를 수행한다. 학습은 두 단계다.

'Inspiration' 단계에서는 피지컬 AI VQA와 FAST 이산 행동 토큰으로 행동 감각을 익힌다. 'Integration' 단계에서는 VLM을 고정한 채 flow matching 행동 헤드를 먼저 학습한 뒤 둘을 함께 최적화한다. 데이터는 자체 수집 로봇 데이터, DROID·BridgeData v2 등 공개 데이터, 멀티모달 VQA를 합쳐 1만 시간이 넘는다고 밝혔다.

논문은 피지컬 AI VQA에서 기본 Qwen2.5-VL-3B를 크게 앞서고, 글자 블록 맞추기 지시 수행 과제에서 π0보다 높은 정확도를 냈다고 보고했다. 다만 정밀 조작은 π0가 여전히 우세하다고 인정했다. FLOW와 FAST 두 가중치, Apache-2.0 라이선스의 학습·추론 코드를 공개했으며 LeRobot 형식 데이터로 미세조정할 수 있다.

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

구조와 학습

공식보도루머추정— 값 없음

구조	Qwen2.5-VL-3B 백본, 통합 교차 레벨 CoT(추론→하위목표→행동) + FLOW/FAST 액션 헤드공식
입력	1인칭·팔 장착 카메라 영상 + 텍스트 지시공식
파라미터 (B)	4공식
학습용 데이터셋	대규모 피지컬 AI VQA + 다중 로봇 조작 데이터공식

벤치마크 결과

결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요

벤치마크	세부 조건	점수	평가 구분	결과 날짜
RoboChallenge Table30	Table30 v1 (30개 과제) 성공률	35.33%	운영팀 평가	2026-10

출처 7건

arxiv.org [1][2]
robochallenge.ai [1][2]
x2robot.com [1]
github.com [1]
huggingface.co [1]

한눈에 읽기