150개의 학습 데이터로 로봇의 적응 능력 향상: 쑹 링보, LingBot-VLA 미세 조정 코드 오픈소스 공개

앤트 그룹 산하 로봇 기업 링보 테크놀로지(Lingbo Technology)는 자사의 체화 기반 모델인 ‘링봇-VLA(LingBot-VLA)’를 위한 실제 로봇용 사후 훈련 툴체인을 완전한 오픈소스로 공개했다고 발표했다. 이 툴체인을 통해 개발 팀은 자체 데이터를 활용해 링봇-VLA를 자사의 로봇과 작업에 신속하게 적용할 수 있다.
오픈소스 체화 지능 모델의 수가 증가하고 있지만, 특정 로봇에 배포하기 위해서는 여전히 광범위한 적용 작업이 필요합니다. 로봇 팔의 구성, 엔드 이펙터, 센서 설정, 제어 인터페이스의 차이로 인해 팀들은 실제 로봇에 배포하기 위해 종종 상당한 엔지니어링 작업을 수행해야 합니다. 이러한 워크플로는 일반적으로 내부 노하우로만 간직되어 왔으며, 이전에는 완전히 오픈소스로 공개된 사례가 거의 없었습니다.
이번 릴리스는 네 가지 단계에 걸쳐 실제 로봇 적용에 필요한 핵심 요구 사항을 충족합니다: 여러 LeRobot 데이터셋을 병합하고 관절 치수 매핑을 표준화하는 데이터 처리 도구, 실제 로봇 시나리오에 최적화된 훈련 구성, 오프라인 평가 도구, 그리고 컴파일 가속 기능을 갖춘 실제 로봇 배포 모듈입니다. 또한 이 모델은 깊이 정보가 포함된 버전과 포함되지 않은 버전을 제공하여, 팀들이 요구 사항에 따라 선택할 수 있도록 합니다.
신체 기반 파운데이션 모델인 LingBot-VLA는 9가지 주류 양팔 로봇 구성을 아우르는 20,000시간 분량의 실제 로봇 데이터로 사전 훈련되었습니다. 이 모델은 로봇 간 및 작업 간 일반화 능력을 갖추고 있습니다. 실제 로봇 및 시뮬레이션 평가 모두에서 업계 벤치마크인 π0.5를 능가하며, Lepu, Songling, Xinghai Tu와 같은 제조업체를 통해 다중 기계 검증도 완료했습니다.
LingBot-VLA는 단 150개의 데모 데이터 포인트만으로 고품질의 작업 전이를 달성할 수 있습니다. 기반 코드베이스의 심층적인 최적화 덕분에, 이 모델의 훈련 효율은 StarVLA 및 OpenPI와 같은 주류 프레임워크보다 1.5~2.8배 높아, 모델 적응에 필요한 데이터 및 컴퓨팅 비용을 더욱 절감합니다.
LingBot-VLA 코드 저장소는 현재 GitHub(github.com/Robbyant/lingbot-vla)에 오픈소스로 공개되었으며, 모델 가중치는 Hugging Face와 ModelScope에서 확인할 수 있습니다.
관련 기사
스웨덴의 AI 스타트업 로버블 아이즈, 주요 자금 조달 라운드 이후 132억 달러의 기업 가치 달성
AI 기반 코딩 도구가 인기를 얻으면서 스웨덴 스타트업 로버블(Lovable)이 주요 자금 조달 라운드를 성사시켰다. 이 회사는 30억 달러를 조달하여 지난 12월 기록된 66억 달러의 두 배인 132억 달러의 기업 가치를 달성할 수 있을 것으로 기대된다. 멘로 벤처스(Menlo Ventures)가 이 투자 라운드를 주도할 것으로 예상된다.로버블의 매력은 복잡한 코딩 기술이 필요하지 않은 소프트웨어 제작을 단순화하는 핵심 '바이브 코딩(vib
구글, 사용자 제어 강화에 맞춰 제미니용 레미 AI 에이전트 테스트
비즈니스 인사이더에 따르면, 구글은 제미나이를 위한 새로운 AI 개인 에이전트인 레미를 테스트하고 있습니다. 이 도구는 사용자를 대신하여 작업을 실행하여 전문적인 워크플로우와 일상적인 루틴을 모두 간소화하는 것을 목표로 합니다.현재 레미는 제미나이 애플리케이션의 내부 직원 전용 버전에서 테스트 중입니다. 이 보고서는 내부 문서와 프로젝트에 정통한 두 명의 인물과의 인터뷰를 인용합니다. 내부 자료는 레미를 “24/7 개인 에이전트”로 묘사하며,
Core Web Vitals를 수정하여 SEO 순위 향상을 위한 방법
AI 도구를 활용한 성적표 코멘트 작성 간소화서론성적표 코멘트 생성을 위한 AI 도구매직 스쿨(Magic School)알마낙 AI(Almanac AI)챗 GPT(Chat GPT)매직 스쿨을 사용하여 성적표 코멘트 생성하기매직 스쿨 로그인성적표 코멘트 도구 선택학생별 코멘트 맞춤 설정알마낙 AI를 사용하여 성적표 코멘트 생성하기과정 및 평가 체계 설정성적표 분량 및 학생 정보 구성알마낙 AI를 통한 코멘트 생성매직 스쿨과
관련 특별 주제 추천
의견 (0)
0/500

앤트 그룹 산하 로봇 기업 링보 테크놀로지(Lingbo Technology)는 자사의 체화 기반 모델인 ‘링봇-VLA(LingBot-VLA)’를 위한 실제 로봇용 사후 훈련 툴체인을 완전한 오픈소스로 공개했다고 발표했다. 이 툴체인을 통해 개발 팀은 자체 데이터를 활용해 링봇-VLA를 자사의 로봇과 작업에 신속하게 적용할 수 있다.
오픈소스 체화 지능 모델의 수가 증가하고 있지만, 특정 로봇에 배포하기 위해서는 여전히 광범위한 적용 작업이 필요합니다. 로봇 팔의 구성, 엔드 이펙터, 센서 설정, 제어 인터페이스의 차이로 인해 팀들은 실제 로봇에 배포하기 위해 종종 상당한 엔지니어링 작업을 수행해야 합니다. 이러한 워크플로는 일반적으로 내부 노하우로만 간직되어 왔으며, 이전에는 완전히 오픈소스로 공개된 사례가 거의 없었습니다.
이번 릴리스는 네 가지 단계에 걸쳐 실제 로봇 적용에 필요한 핵심 요구 사항을 충족합니다: 여러 LeRobot 데이터셋을 병합하고 관절 치수 매핑을 표준화하는 데이터 처리 도구, 실제 로봇 시나리오에 최적화된 훈련 구성, 오프라인 평가 도구, 그리고 컴파일 가속 기능을 갖춘 실제 로봇 배포 모듈입니다. 또한 이 모델은 깊이 정보가 포함된 버전과 포함되지 않은 버전을 제공하여, 팀들이 요구 사항에 따라 선택할 수 있도록 합니다.
신체 기반 파운데이션 모델인 LingBot-VLA는 9가지 주류 양팔 로봇 구성을 아우르는 20,000시간 분량의 실제 로봇 데이터로 사전 훈련되었습니다. 이 모델은 로봇 간 및 작업 간 일반화 능력을 갖추고 있습니다. 실제 로봇 및 시뮬레이션 평가 모두에서 업계 벤치마크인 π0.5를 능가하며, Lepu, Songling, Xinghai Tu와 같은 제조업체를 통해 다중 기계 검증도 완료했습니다.
LingBot-VLA는 단 150개의 데모 데이터 포인트만으로 고품질의 작업 전이를 달성할 수 있습니다. 기반 코드베이스의 심층적인 최적화 덕분에, 이 모델의 훈련 효율은 StarVLA 및 OpenPI와 같은 주류 프레임워크보다 1.5~2.8배 높아, 모델 적응에 필요한 데이터 및 컴퓨팅 비용을 더욱 절감합니다.
LingBot-VLA 코드 저장소는 현재 GitHub(github.com/Robbyant/lingbot-vla)에 오픈소스로 공개되었으며, 모델 가중치는 Hugging Face와 ModelScope에서 확인할 수 있습니다.
스웨덴의 AI 스타트업 로버블 아이즈, 주요 자금 조달 라운드 이후 132억 달러의 기업 가치 달성
AI 기반 코딩 도구가 인기를 얻으면서 스웨덴 스타트업 로버블(Lovable)이 주요 자금 조달 라운드를 성사시켰다. 이 회사는 30억 달러를 조달하여 지난 12월 기록된 66억 달러의 두 배인 132억 달러의 기업 가치를 달성할 수 있을 것으로 기대된다. 멘로 벤처스(Menlo Ventures)가 이 투자 라운드를 주도할 것으로 예상된다.로버블의 매력은 복잡한 코딩 기술이 필요하지 않은 소프트웨어 제작을 단순화하는 핵심 '바이브 코딩(vib
Core Web Vitals를 수정하여 SEO 순위 향상을 위한 방법
AI 도구를 활용한 성적표 코멘트 작성 간소화서론성적표 코멘트 생성을 위한 AI 도구매직 스쿨(Magic School)알마낙 AI(Almanac AI)챗 GPT(Chat GPT)매직 스쿨을 사용하여 성적표 코멘트 생성하기매직 스쿨 로그인성적표 코멘트 도구 선택학생별 코멘트 맞춤 설정알마낙 AI를 사용하여 성적표 코멘트 생성하기과정 및 평가 체계 설정성적표 분량 및 학생 정보 구성알마낙 AI를 통한 코멘트 생성매직 스쿨과





집






