로봇 파운데이션 모델 고르고 평가하기

로봇이나 벤치마크에 맞는 체크포인트를 고르고, 정책을 한 번 실행해 결과를 확인합니다.

먼저 어떤 로봇으로 어떤 작업을 시험할지 정하세요. 카메라 구성과 그리퍼가 맞는 체크포인트나 벤치마크용 체크포인트로 공식 예제를 재현합니다. 처음 얻은 결과를 기준으로 삼으면 새 시연을 모으거나 파인튜닝한 뒤 얼마나 나아졌는지 비교할 수 있습니다.

가지고 있는 것 시작점 처음 확인할 결과
SO-100 또는 SO-101 시연 LeRobot의 SmolVLA 또는 로봇에 맞는 MolmoAct 2 체크포인트 관절 순서와 그리퍼 규약이 일치하는 행동 시퀀스
LIBERO 시뮬레이션 벤치마크 π₀.₅-LIBERO 또는 Cosmos Policy LIBERO 체크포인트가 지원하는 벤치마크 작업의 실행 결과
DROID 관측 샘플 GR00T N1.7, π₀.₅-DROID 또는 Cosmos 3 Edge Policy DROID 샘플의 관측 스키마와 일치하는 궤적
Isaac Lab 조작 환경 정책 인터페이스가 맞는 Isaac Lab-Arena 고정된 장면 변형과 재현 가능한 초기화 조건에서 측정한 성공률

관측값을 행동으로 바꾸고 평가하기

데이터는 어떻게 흐를까요?
  1. 입력현재 상태와 할 일 전달카메라 + 작업 지시 + 로봇 상태

    선택한 체크포인트와 로봇에 맞는 입력을 준비합니다.

  2. 처리행동 예측VLA → 행동 시퀀스

    관절 순서, 단위, 좌표계를 제어기 규약에 맞춥니다.

  3. 출력작업 결과 판정성공 여부 + 이벤트 로그

    예측한 동작을 적용하고 나서 실제로 일어난 일을 확인합니다.

  1. 입력을 맞춥니다. 체크포인트와 공식 예제에서 카메라 이름과 순서, 이미지 전처리, 지시문, 로봇 상태 필드와 정규화 방식을 확인합니다.
  2. 폐루프 실행 전에 행동 출력을 해석합니다. 단위, 좌표계, 절대·상대 목표, 관절 순서, 그리퍼 규약을 확인합니다. 추론 한 번에 몇 스텝을 예측하는지, 다음 관측을 받기 전 그중 몇 스텝을 실행하는지 기록합니다.
  3. 공식 예제를 재현해 기준 결과를 남깁니다. 체크포인트 버전, 대상 로봇, 행동 주기, 추론 지연, 성공 기준과 초기화 조건을 저장합니다. 이후 물체 위치나 조명처럼 작업 조건을 하나씩 바꿔 같은 절차로 평가합니다.
  4. 접근 방법과 이용 조건을 확인합니다. 코드 라이선스와 사용할 체크포인트의 모델 카드를 각각 읽고, 해당할 경우 백본과 데이터 조건도 확인합니다. 공개 연구 페이지, 호스팅 API, 다운로드 가능한 가중치는 재현 방법이 각각 다릅니다.

같은 지시를 받은 다른 로봇도 바로 움직일 수 있을까요?

VLA는 보통 카메라 영상, 작업 지시, 체크포인트가 요구하는 로봇 상태를 받아 행동을 예측합니다. 여러 시점의 행동을 묶어 예측하면 액션 청크라고 부릅니다. 설명용 배열 [8, 7]은 여덟 시점마다 일곱 값이 있다는 뜻입니다. 어느 열이 어떤 축이나 관절인지, 절대 목표인지 변화량인지, 실제 단위인지 정규화된 값인지는 모델과 로봇의 설정으로 확인합니다.

GR00T N1.6-DROID는 DROID에 맞춘 제어 규약을 쓰고, π 계열도 과제에 맞는 체크포인트와 관측 어댑터를 씁니다. 같은 모양의 배열도 제어 규약이 다르면 다른 동작을 만들 수 있습니다. 저장된 관측 하나로 입력 키와 배열 모양을 확인한 뒤 시뮬레이션에서 작업 성공 조건을 검사합니다. GR00T 데이터 설정 · Physical Intelligence openpi

GR00T N1.7 시뮬레이션 예제 따라가기

Apache-2.0으로 공개된 참조 워크플로는 Isaac Lab에서 시연을 기록하고 LeRobot 데이터로 변환한 뒤 정책을 파인튜닝하는 과정을 보여줍니다. G1은 사과까지 걸어가 집은 뒤 접시에 놓고, H2 Plus는 사과를 한 손에서 다른 손으로 건넨 뒤 접시에 놓습니다. G1의 모델과 데이터셋을 받으려면 Hugging Face에서 이용 조건에 동의해야 합니다. H2 Plus 자료는 바로 다운로드할 수 있으며, 공식 저장소에서는 학습된 H2 Plus 정책의 평가가 아직 검증되지 않았다고 안내합니다. 공식 워크플로 · G1 모델 카드 · H2 Plus 모델 카드

Cosmos Policy

초기 Cosmos Policy는 Cosmos-Predict2를 로봇 조작에 맞게 후학습한 정책입니다. ALOHA 플래닝 경로는 미래 관측과 가치 추정치를 이용해 후보 행동을 비교합니다. LIBERO 체크포인트에는 NVIDIA One-Way Noncommercial License가 적용되고, 코드는 Apache-2.0입니다.

Cosmos 3 Edge Policy DROID와 Nano Policy DROID는 OpenMDW-1.1로 공개된 DROID 행동 정책입니다. Cosmos 3 대화형 시뮬레이션 체크포인트는 행동이나 시뮬레이션 제어값에서 관측을 생성합니다. 예를 들어 Sim-Bimanual은 로봇이나 카메라의 행동을 받아 다음 관측에 사용할 영상을 예측합니다.

다른 VLA

  • OpenVLA는 7B 조작 기준 모델과 추론·파인튜닝 코드를 제공합니다. 모델 카드에는 MIT가 표시되며, 저장소는 Llama 2 조건도 적용된다고 명시합니다. 모델 카드 · 원본 저장소 이용 조건
  • MolmoAct 2는 깊이 정보를 활용하며 베이스와 로봇별 체크포인트를 제공합니다. 사용할 로봇이나 평가 환경에 맞는 체크포인트를 고릅니다. 모델 카드
  • X-VLA는 로봇 기종별 소프트 프롬프트를 사용합니다. 실행할 구현이 지원하는 관측과 행동 방식을 확인합니다. 베이스 모델 카드 · LeRobot 연동

월드 액션 모델

비디오 액션 모델(VAM)은 영상에서 학습한 특징을 이용해 장면의 변화를 예측하고 로봇 명령을 만듭니다. 공개된 FLUX-mimic 구조에서는 작업 지시와 최근 카메라 프레임을 영상 백본에 넣습니다. 행동 예측 모듈은 백본의 중간 특징과 로봇 상태를 받아 궤적을 예측합니다. 학습에는 영상과 행동을 모두 사용합니다. 명령을 만들 때는 영상 노이즈를 한 차례 제거하는 과정에서 얻은 특징을 쓰므로 전체 영상을 생성할 필요는 없습니다. 산업 조작 연구와 구성도

이름 2026년 11월 17일 기준 공개 범위
FLUX 3 이미지·영상·오디오를 다루는 Black Forest Labs의 멀티모달 백본입니다. FLUX-mimic-x, FLUX-mimic, FLUX 3 Action이 이 모델을 기반으로 합니다. FLUX 3 × mimic 협업 발표
FLUX-mimic-x mimic robotics가 11월 16일(UTC)에 공개한 7B 모델 프리뷰입니다. FLUX 3에 개선된 mimic-video 학습 방식을 적용했습니다. 개발팀은 RoboLab의 실시간 ‘System 1’ 모델 중 1위라고 발표했습니다. 확인 당시 공개 리더보드에는 이 이름의 결과가 없었으며, 다운로드 가능한 코드·가중치와 이용 조건은 미확인입니다. mimic 공식 발표 · NVIDIA RoboLab 리더보드
FLUX-mimic mimic robotics와 Black Forest Labs가 앞서 발표한 산업 조작 연구 모델입니다. BMW Group과 진행한 연구에서 영상·행동을 함께 학습하는 구조와 네 가지 작업의 결과를 공개했습니다. 이 모델의 코드·가중치는 공개 여부가 미확인입니다. 논문 · 프로젝트와 시연
FLUX 3 Action Black Forest Labs가 별도로 공개한 7B 모델입니다. 코드는 Apache-2.0이며, SO-101·DROID 가중치는 Hugging Face 접근 절차와 FLUX Kommunity License v1.0이 적용됩니다. BFL은 NVIDIA의 Jetson 통합 지원과 Isaac Lab·RoboLab을 활용한 평가를 공개 자료에 명시했습니다. 공식 발표와 기술 자료 · 코드 · SO-101 · DROID
mimic-video 앞서 공개한 연구 구현입니다. NVIDIA Cosmos Predict2를 기반으로 하며 코드는 Apache-2.0입니다. 영상 백본을 고정하고 중간 특징에서 행동을 예측하는 모듈을 학습하는 절차가 공개되어 있습니다. 가중치 이용 조건은 각 체크포인트에서 확인합니다. 논문 · 코드

NVIDIA 정책과 비교할 만한 공개 모델

  • **Cosmos3-Edge-Policy-DROID(4B)**와 **Cosmos3-Nano-Policy-DROID(16B)**는 NVIDIA가 OpenMDW-1.1로 공개한 DROID 조작 체크포인트입니다. 공식 예제에서 정책을 서버에 띄우고 RoboLab 클라이언트를 연결하는 과정을 확인할 수 있습니다. Edge · Nano · 정책 실행 예제
  • GR00T 2 / Turbo는 11월 9일에 발표된 NVIDIA의 Cosmos 기반 월드 액션 모델입니다. NVIDIA Research는 2026년 12월에 코드를 공개할 예정이라고 안내합니다. 다운로드 가능한 가중치와 적용 약관은 아직 확인되지 않았습니다. 연구와 시연 · GR00T 가이드
  • DreamZero-DROID는 NVIDIA GEAR가 영상과 행동을 함께 예측하도록 만든 연구용 기준 모델입니다. 참조 코드는 Apache-2.0이며, 모델 카드의 14B 가중치는 다운로드할 수 있고 CC BY-NC 4.0이 적용됩니다. 프로젝트 · 코드 · 체크포인트와 이용 조건
  • Praxis-1은 영상과 행동을 함께 예측하는 Runway의 27.3B 모델입니다. 코드와 베이스·DROID·YAM 가중치는 Apache-2.0이며, 가중치 다운로드에는 Hugging Face 접근 절차가 있습니다. 11월 11일 공개 자료에 LeRobot 연동과 RTX 5090·Jetson Thor 실행 환경이 안내되어 있습니다. 공식 발표 · 체크포인트 모음

평가 결과에서 무엇을 보면 될까요?

카메라 프레임 + 작업 지시 + 로봇 상태 → 정책 → 행동 묶음 → 시뮬레이터에서 실행 → 다음 관측. 물체를 집어 그릇에 넣는 작업을 예로 들면, 정책은 카메라 영상과 현재 자세를 보고 일련의 동작을 내놓습니다. 성공 여부는 시뮬레이터가 명령을 실행하고 난 뒤 물체가 실제로 어디에 놓였는지로 판단합니다. 정책이 따로 예측한 영상은 장면이 어떻게 바뀔지 보여주는 출력입니다.

11월 17일에 확인한 RoboLab 공개 집계에서는 Praxis-1이 555/1,200회, FLUX 3 Action이 515/1,200회, Cosmos3-Nano-Policy가 441/1,200회, Cosmos3-Edge-Policy가 275/1,200회 성공했습니다. 모두 시뮬레이션에서 발표된 결과입니다. 직접 비교할 때는 정책 버전, 지시문 설정, 평가 횟수, 하드웨어를 함께 기록합니다. RoboLab-120 리더보드 · 정책 클라이언트 인터페이스 · 브라우저에서 GR00T 실행 결과 판정하기

RoboLab v0.3.3에서는 물체의 초기 배치를 시드로 재현하고 조명 프리셋을 선택할 수 있습니다. 같은 조건에서 다시 비교할 수 있도록 성공률과 함께 벤치마크 버전, 시드, 조명 설정을 남깁니다. v0.3.3 릴리스 노트

최근 월드 액션 연구

선별 항목 확인: 2026년 11월 21일. 공개 범위는 논문·코드·가중치·데이터별로 구분했습니다. 아래 새 항목은 공식 자료 검토 결과이며, 이 저장소에서 실행을 검증한 실습은 아닙니다.

연구 파이프라인에서 하는 일 확인하거나 활용할 수 있는 자료
Grana (2026-11-18) 여러 카메라의 RGB 관측과 작업·하위 작업 설명 → 하위 작업 진행도 → 완료한 단계의 점수와 합산한 전체 진행도. 실수로 되돌아간 진행도를 보상에 반영해 RL 학습이나 MPC 후보 평가에 사용 논문 (CC BY-SA 4.0) · 프로젝트 · 저장소 (Apache-2.0 원본 코드). 백본·제3자 구성요소는 별도 조건; 학습된 Grana 가중치와 데이터셋 배포는 확인되지 않음
FLORA (2026-10-22) 시연 영상 → TempSeg의 동작 구간 → Captioner의 시간 정보가 있는 지시문. Rewarder는 성공·행동 품질 라벨을 별도로 생성. 로봇 제어 정책이 아니라 데이터 정제·학습·평가에 쓰는 라벨링 모델 논문 (CC BY 4.0) · 프로젝트 · 저장소 · TempSeg · Captioner · Rewarder 공개. 추론 코드 NVIDIA License §3.3; 가중치는 세 모델 카드의 NVIDIA One-Way Noncommercial 조건. 비상업 연구·평가만 허용하며 학습 코드는 포함하지 않음
WorldTrace (2026-11-11 개정) 과거 프레임의 KV cache → 중요한 관측을 유지하고 중복 기억을 압축 → 긴 이동 후에도 이전 장면을 다시 생성. 기억 슬롯의 가상 위치를 조정하며 생성 모델 재학습은 필요하지 않음 논문 (CC BY 4.0) · 공식 프로젝트·데모. 코드·가중치 배포 링크와 해당 라이선스는 공식 페이지에서 확인되지 않음
LiDARVerse (2026-10-13) 지도·관측 LiDAR·누적 형상 → 공유 잠재 표현 → 다음 LiDAR 스윕. 조건에 따라 새 장면 생성·예측·재시뮬레이션을 수행. 공개 PAI 체크포인트는 range-only이며 논문의 모든 센서 구성을 포함하지 않음 논문 (arXiv 배포 조건) · 저장소 (Apache-2.0) · 공개 가중치. 가중치 카드의 태그는 OpenMDW-1.1, 본문은 NVIDIA Open Model License로 표기가 달라 조건 확인 필요. 예제 데이터는 접근 동의와 별도 이용 조건 필요
USDCraft / USDCraft-10K (논문 2026-10-08; 데이터 확인 2026-11-21) 텍스트·사진 또는 메시·사진 → LLM이 자산 프로그램 작성 → 렌더·형상 검사로 수정 → 관절·충돌체·질량이 포함된 시뮬레이션 자산. 10K 데이터셋은 이미 생성된 USD를 바로 살펴보는 경로 논문 (CC BY 4.0) · 공식 프로젝트 · 저장소 (Apache-2.0) · 데이터셋 (Apache-2.0 선언). 외부 모델·API·입력 이미지 조건은 별도 확인
BirdDreams: Joint Perspective and BEV Video Generation for a Plausible, Reactive Driving World Model 자율주행·장면 재구성 프리프린트 공개 · CC BY 4.0 · 프로젝트 페이지 · 코드 공개 여부 미확인 · 가중치 공개 여부 미확인 · 공식 출처
PGX: Physically Grounded Execution for Long-Horizon Humanoid Loco-Manipulation 로봇 학습·제어 프리프린트 공개 · arXiv 배포 약관 · 코드 공개 여부 미확인 · 가중치 공개 여부 미확인 · 공식 출처
Vision-Language-Action Models: A Life-Cycle Survey of Design, Training and Deployment 시각·언어·행동 정책 프리프린트 공개 · arXiv 배포 약관 · 코드 공개 여부 미확인 · 가중치 공개 여부 미확인 · 공식 출처
PhyDEX: A Benchmark for Physical Reasoning in Vision-Language-Action Models via Dynamic Extrinsic Dexterity 시각·언어·행동 정책 프리프린트 공개 · CC BY 4.0 · 코드 공개 여부 미확인 · 가중치 공개 여부 미확인 · 공식 출처
Composable Driving Style for End-to-End Autonomous Driving 자율주행·장면 재구성 프리프린트 공개 · CC BY 4.0 · 코드 공개 여부 미확인 · 가중치 공개 여부 미확인 · 공식 출처
ThinkWAM (11월 16일) 행동 묶음을 먼저 예측하고, 그 행동을 했을 때의 장면을 잠재 표현에서 갱신합니다. 갱신된 표현을 바탕으로 실행할 행동을 한 번 더 계산합니다. 원본 코드 MIT, 포함된 SIGReg는 CC BY-NC 4.0. 공개 가중치에는 Apache-2.0이 적용되며 전용 평가 설정을 제공합니다. 논문 · 코드와 외부 구성 요소 약관 · 체크포인트
VLALagBench (11월 16일 개정) 물체가 계속 움직이는 시뮬레이션에서 일부러 추론 지연을 주고, LIBERO의 동기·비동기 실행 방식에 따라 성공률이 어떻게 달라지는지 비교합니다. Isaac Sim에서도 일부 조건을 교차 확인했습니다. 벤치마크 코드와 결과 공개. 원본 코드·데이터·문서는 CC BY-NC 4.0이며 모델과 시뮬레이터 에셋은 별도 조건입니다. 논문 · 저장소와 라이선스
Ego2Sim2Humanoid (11월 14일) 1인칭 RGB-D 촬영 기록에서 시뮬레이션용 로봇 카메라 영상과 실행 가능한 전신 궤적을 만듭니다. 연구팀은 이 데이터로 GR00T N1.7을 파인튜닝해 Unitree G1의 이동과 조작을 시험했습니다. 논문과 평가 결과 그림 공개. 코드·데이터셋·파인튜닝 체크포인트 공개 여부 미확인. 논문
FOVI-Dex (11월 12일) NVIDIA 공동 연구팀은 카메라가 주시하는 영역을 정밀하게 렌더링하면서 주변 시야도 유지합니다. 관측 한 장에 드는 비용을 줄여 여러 시뮬레이션에서 물체 집기 정책을 병렬로 학습합니다. 논문과 평가 영상 공개. 코드·가중치 공개 여부와 이용 조건 미확인. NVIDIA Research · 프로젝트
SWAM (11월 11일 개정) 영상에는 언어와 장면의 관계를 학습시키고, 행동 정보가 있는 사람·로봇 시연에는 행동 학습을 더합니다. 영상과 행동 모듈은 어텐션으로 특징을 주고받습니다. Apache-2.0 코드와 사전 학습 데이터 일부를 공개했습니다. 데이터는 원본별 조건이 적용되며 정책 가중치의 다운로드 가능 여부와 이용 조건은 미확인입니다. 논문 · 코드 · 데이터 조건
WISE (11월 2일) 모델을 다시 학습시키지 않고 여러 후보를 생성해 행동의 유효성, 예측 영상과 행동의 일치, 작업 진행도를 점검합니다. 논문은 후보를 네 개 썼을 때 Cosmos 3 Edge의 RoboLab 일부 과제에서 성공률이 6%에서 24%로, 에피소드 실행 시간이 약 3.4배로 늘었다고 보고합니다. 프리프린트와 평가 절차 공개. 코드 공개 여부 미확인. 논문
DemoStream (CoRL 2026 워크숍) NVIDIA와 공동 연구팀이 과제 계획과 동작 최적화를 병렬 처리해, 시뮬레이션에서 정책 학습에 쓸 성공 시연을 만듭니다. 공식 연구 페이지와 논문 공개. 코드와 시연 데이터셋 공개 여부 미확인. NVIDIA Research · 논문
FlashRT-PAI (2026년 10월) 연산을 합치고 런타임 실행 순서를 조정해 전체 추론을 가속합니다. 외부 프로젝트이며 GR00T N1.7, Cosmos3-Edge용 실행 경로를 제공합니다. 코드 Apache-2.0. 지연 시간을 비교할 때 모델·GPU·정밀도·런타임을 확인합니다. 논문 · FlashRT 저장소
ARC (10월 8일) NVIDIA가 참여한 연구입니다. DROID 시연에 ‘왜 이 행동이 필요한가’를 설명하는 추론 라벨을 달고, 이를 이용해 π₀.₅와 Cosmos3-Nano-Policy를 후학습합니다. 코드·모델·데이터셋·RoboLab-Reasoning-50은 공개 예정으로 안내되어 있습니다. 프로젝트와 공개 상태 · 논문

GR00T 모델 계열 · Physical Intelligence π · LeRobot · Isaac Lab · Alpamayo 주행 VLA

모델 비교표

표를 옆으로 밀면 체크포인트 이용 조건과 공식 링크를 볼 수 있습니다.

추가한 Cosmos 3 체크포인트와 아래 연구 항목은 2026년 11월 21일 확인했습니다. 가중치 다운로드 공개 여부와 코드·데이터의 라이선스는 별개입니다.

로봇 파운데이션 모델(RFM)은 여러 작업이나 로봇 데이터로 사전 학습한 뒤, 사용할 로봇에 맞춰 적용하는 모델입니다. VLA(시각·언어·행동) 모델은 카메라 관측, 지시문, 필요에 따라 로봇 상태를 받아 행동을 출력합니다. 월드 액션 모델은 행동과 미래 관측을 함께 예측할 수 있습니다. 먼저 대상 로봇이나 벤치마크를 정한 뒤 체크포인트와 이용 조건을 확인하세요. 모델 선택과 평가

월드 액션 연구 아카이브에서 시연 데이터 생성, 정책 후학습, 후보 행동 선택, 로봇에서의 추론을 다룹니다. FLUX와 NVIDIA 월드 액션 모델의 공개 범위는 2026년 11월 17일에 확인했습니다.

모델 개발팀과 역할 체크포인트 공개 여부 및 조건 공식 자료
Cosmos 3 Super (64B; base / FP8) NVIDIA · 더 큰 영상·월드 모델 기반 체크포인트 다운로드 가능 · OpenMDW-1.1 (base) · FP8 이용 조건 Base · FP8
Cosmos3-Nano-Sim-Auto NVIDIA · 장면 구조 제어 입력을 받아 주행 카메라 영상과 LiDAR 관측을 이어 생성하는 폐루프 센서 시뮬레이션 모델 다운로드 가능 · OpenMDW-1.1 모델 카드 · 가이드
Cosmos3-Nano-Transfer-Auto NVIDIA · 장면 구조·텍스트에서 최대 11개 카메라 시점과 LiDAR를 동기화해 생성. 같은 주행 시나리오의 조명·날씨를 바꾸는 SDG 모델 다운로드 가능 · OpenMDW-1.1 모델 카드 · 가이드
Cosmos3-Nano-Sim-Bimanual NVIDIA · 초기 이미지와 양팔 로봇 행동·카메라 궤적에서 다음 영상을 예측. 로봇 행동을 출력하는 정책이 아닌 관측 생성 모델 다운로드 가능 · OpenMDW-1.1 모델 카드 · 가이드
nvidia/Cosmos3-Edge-FP8 피지컬 AI·월드 모델 다운로드 가능 · OpenMDW-1.1 공식 출처
nvidia/Cosmos3-Edge 피지컬 AI·월드 모델 다운로드 가능 · OpenMDW-1.1 공식 출처
Cosmos 3 Nano (16B; base / FP8) NVIDIA · 영상·월드 모델의 기반 체크포인트. 시뮬레이션·데이터 생성 모델의 출발점 다운로드 가능 · OpenMDW-1.1 (base) · FP8 이용 조건 Base · FP8
GR00T N1.7 NVIDIA · 휴머노이드·로봇 팔 VLA 3B 체크포인트 다운로드 · NVIDIA Open Model License 모델 카드 · 가이드
GR00T N1.7 E2E G1 NVIDIA · 시뮬레이션 G1의 이동·사과 집기·놓기 정책 Hugging Face 접근 동의 필요 · NVIDIA Open Model License 모델 카드 · 데이터셋
GR00T N1.7 E2E H2 Plus NVIDIA · 시뮬레이션 H2 Plus의 양손 사과 건네기·놓기 정책 다운로드 가능 · NVIDIA Open Model License 모델 카드 · 데이터셋
GR00T 2 / Turbo NVIDIA · 조작용 Cosmos 기반 월드 액션 모델(WAM) 11월 9일 발표 · 2026년 12월 코드 공개 예정 · 공개 체크포인트와 가중치 조건 미확인 공식 연구 페이지 · 가이드
GR00T-H N1.7 NVIDIA · 의료 로봇 연구용 VLA 다운로드 가능 · NVIDIA Open Model License · 모델 카드에서 임상 용도 제외 모델 카드 · 가이드
π₀ / π₀-FAST / π₀.₅ Physical Intelligence · 로컬 추론·파인튜닝용 범용 로봇 VLA openpi에서 다운로드 · 체크포인트와 백본별 조건 확인 · openpi 코드는 Apache-2.0 공식 체크포인트 · 가이드
π₀.₆ / π*₀.₆ / π₀.₇ Physical Intelligence · 실제 로봇의 실행 경험을 활용한 학습과 조건에 따른 행동 조절 연구 결과 공개 · 다운로드 가중치 미확인 · Pi API 호스팅 베타는 대기 신청, 제공 모델 ID 미공개 π*₀.₆ · π₀.₇ · Pi API
Cosmos 3 Policy DROID NVIDIA · DROID 조작 행동 정책 · Edge 4B·Nano 16B 다운로드 가능 · OpenMDW-1.1 Edge 모델 카드 · Nano 모델 카드
Cosmos Policy (Predict2) NVIDIA · 영상 월드 모델 기반 로봇 정책과 선택적 플래닝 다운로드 가능 · 링크한 체크포인트는 NVIDIA One-Way Noncommercial License LIBERO 모델 카드와 약관 · 컬렉션
SmolVLA Hugging Face · SO-100·SO-101 등에서 시작하기 좋은 경량 LeRobot VLA 베이스 체크포인트 다운로드 · Apache-2.0 모델 카드 · LeRobot 가이드
OpenVLA OpenVLA 연구팀 · 7B 조작 VLA와 파인튜닝 기준 모델 다운로드 가능 · 모델 카드에는 MIT 표기 · 개발팀은 Llama 2 Community License 조건도 적용된다고 명시 모델 카드 · 원본 저장소 약관
MolmoAct 2 Ai2 · 깊이 정보를 활용한 행동 추론·조작 베이스·작업별 체크포인트 다운로드 · Ai2가 명시한 Apache-2.0 모델 카드 · 공식 프로젝트
X-VLA 2toINF · 로봇 기종별 소프트 프롬프트를 쓰는 VLA 베이스 체크포인트 다운로드 · 모델 카드에 Apache-2.0 표기 모델 카드 · LeRobot 가이드
Praxis-1 Runway · 영상과 로봇 행동을 함께 예측하는 월드 액션 모델 11월 11일 공개 · 가중치 Apache-2.0 · Hugging Face 접근 절차 필요 베이스 · DROID · YAM · 공식 발표
FLUX 3 Action Black Forest Labs · SO-101과 DROID용 변형을 제공하는 7B 월드 액션 모델 Hugging Face 접근 절차 필요 · FLUX Kommunity License v1.0 SO-101 · DROID · 공식 프로젝트
FLUX-mimic-x mimic robotics · Black Forest Labs의 FLUX 3 기반 7B 실시간 비디오 액션 모델 프리뷰 11월 16일(UTC) 발표 · 공개 코드·체크포인트·이용 조건 미확인 개발팀 발표 · 가이드
FLUX-mimic mimic robotics와 Black Forest Labs · 산업용 로봇 조작을 위한 비디오 액션 연구 모델 연구 자료와 시연 공개 · 공개 코드·체크포인트·이용 조건 미확인 산업 조작 연구 · 프로젝트
DreamZero-DROID NVIDIA GEAR · 영상과 로봇 행동을 함께 예측하는 14B 체크포인트 다운로드 가능 · 모델 카드에 CC BY-NC 4.0 표기 공식 연구 페이지 · 모델 카드
ThinkWAM 연구팀 · LIBERO·RoboTwin 2.0·RoboCasa24 추론 체크포인트 다운로드 가능 · 가중치 Apache-2.0 모델 카드 · 연구 아카이브
Gemini Robotics 2.5 Google DeepMind · 정밀 조작과 여러 단계 작업을 위한 VLA 11월 10일 발표 · 파트너 제공 중 · 공개 체크포인트와 가중치 조건 미확인 공식 발표

차량 궤적과 주행 추론에는 Alpamayo 가이드와 AlpaSim 평가 가이드를 참고하세요.