VLA/ロボットアーム/オープンソース2026/6/1arXiv:2606.03392

OpenEAI-Platform: オープンソースの具現化人工知能ハードウェア・ソフトウェア統合プラットフォーム

OpenEAI-Platform: An Open-source Embodied Artificial Intelligence Hardware-Software Unified Platform

低コストの6+1自由度ロボットアームと再現可能なVLAモデルを統合した完全オープンソースのプラットフォームを提案し、実世界の操作タスクで商用アームや大規模事前学習モデルと同等以上の性能を示した。

詳しい要約

1. どんなもの？

- 実世界の Embodied AI 向けに、ハードウェアとソフトウェアを統合した完全オープンソースの OpenEAI-Platform を提案。 - 低コストな 6+1 自由度 (dof) ロボットアーム OpenEAI-Arm と、再現可能な VLA モデル OpenEAI-VLA から構成。 - OpenEAI-Arm はオープンソースの機械設計と compliant control を提供。 - OpenEAI-VLA は Qwen3-VL-4B と Diffusion Transformer アクションヘッドを基盤とし、オープンソースのロボット・マルチモーダルデータセットのみで 2 段階学習。 - ハード設計、ドライバ、モデル、学習/データパイプラインを公開予定。

2. 先行研究と比べてどこがすごい？

- 同一ポリシー下で、OpenEAI-Arm は 2 つの商用 6+1-dof アームを 4 つの実世界マニピュレーションタスクで上回る。 - OpenEAI-VLA は限られた事前学習データのみで、大規模事前学習済み pi0 ベースラインに匹敵する成功率を達成。 - 低コストかつ再現可能な統合プラットフォームを提供する点が、既存研究と比べて優位。 - 要旨からは、他の先行研究との詳細な比較は不明。

3. 技術・手法の肝は？

- OpenEAI-Arm: 低製造コストのためのオープンソース機械設計と、高精度化のための compliant control 手法。 - OpenEAI-VLA: Qwen3-VL-4B をベースに Diffusion Transformer アクションヘッドを採用。 - 学習は 2 段階で、オープンソースのロボット・マルチモーダルデータセットのみを使用。 - 完全なハード設計、ドライバ、モデル、学習/データパイプラインを公開予定。

4. どうやって有効だと検証した？

- 4 つの実世界マニピュレーションタスクで評価。 - 同一ポリシー下で OpenEAI-Arm を 2 つの商用 6+1-dof アームと比較し、性能が上回ることを確認。 - OpenEAI-VLA の成功率を大規模事前学習済み pi0 ベースラインと比較し、匹敵することを確認。 - 詳細な実験設定や評価指標は要旨からは不明。

5. 議論はある？

- 要旨からは、限界や議論点についての明示的な記述は不明。 - オープンソース化により再現可能な研究とスケーラブルなデータ収集を支援することを主張。 - コード、レイアウト、モデルは論文採択後に公開予定。

6. 次に読むべき論文は？

- 要旨で比較対象として言及されている pi0 ベースライン。 - 基盤モデルとして利用されている Qwen3-VL-4B。 - アクションヘッドに用いられている Diffusion Transformer。 - その他、要旨で参照されている具体的な先行研究は不明。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jinyuan Zhang, Luoyi Fan, Leiyu Wang, Yeqiang Wang, Yicheng Zhu, Cewu Lu, Nanyang Ye

分類: cs.RO

原文アブストラクト

Embodied AI in the real world requires both accurate hardware and robust vision-language-action (VLA) policies. We present OpenEAI-Platform, a fully open-source platform that integrates a low-cost 6+1 degree-of-freedom (dof) robotic arm (OpenEAI-Arm) and a reproducible VLA model (OpenEAI-VLA). OpenEAI-Arm provides open-source mechanical designs for low manufacturing cost and compliant control methods for higher accuracy. OpenEAI-VLA builds on Qwen3-VL-4B and uses a Diffusion Transformer action head, and is trained in two stages with only open-source robot and multimodal datasets. Across four real-world manipulation tasks, OpenEAI-Arm outperforms two commercial 6+1-dof arms under the same policy, and OpenEAI-VLA achieves success rates comparable to the large-scale pretrained pi0 baseline with only limited pretraining data. We will release the full hardware designs, drivers, models, and training/data pipelines to support reproducible research and scalable data collection. Our codes, layouts, and models will be released after the paper is accepted.

arXivで原文を読む →arXiv概要ページ

← 論文一覧