LeRobot、視覚言語行動モデル「wall-oss-0.5」を公開

何が起きたか

LeRobotは、ロボット制御のための視覚言語行動モデル「wall-oss-0.5」をHugging Face上で公開した。モデルはsafetensors形式で提供され、Qwen2.5-VLをベースとしている。

詳細

公開されたモデル「wall-oss-0.5」は、Hugging Faceのリポジトリ「lerobot/wall-oss-0.5」で公開されている。モデルカードには、ベースモデルとして「x-square-robot/wall-oss-0.5」が指定され、さらにそのファインチューン版も「x-square-robot/wall-oss-0.5」として記載されている。リージョンは「us」とされている。 このモデルは、視覚と言語の情報を統合してロボットの行動を生成する「視覚言語行動モデル」に分類される。基盤となるQwen2.5-VLは、大規模言語モデルを視覚理解に拡張したモデルであり、ロボットのタスク実行に活用されることが想定される。

Key Facts

なぜ重要か

この公開は、ロボット制御における視覚言語行動モデルの発展を示すものであり、オープンソースコミュニティでの共有により、ロボットの知能化研究が加速する可能性がある。