Skip to content

🛰️ G0 大模型（Dual-System VLA）

G0 是一个由规划器与执行器组成的双系统视觉-语言-行动（VLA）模型：

  • G0-VLM：负责高层次推理与子任务规划。

  • G0-VLA：负责实时、精确的低层动作控制。

🔭 项目资源

  • 项目页：https://opengalaxea.github.io/G0/
  • 论文（arXiv）：https://arxiv.org/abs/2509.00576v1
  • 数据集可视化：https://opengalaxea.github.io/G0/visualizer/index.html
  • 数据集（HuggingFace）：https://huggingface.co/datasets/OpenGalaxea/Galaxea-Open-World-Dataset
  • 数据集（ModelScope）：https://www.modelscope.cn/datasets/Galaxea/Galaxea-Open-World-Dataset
  • 预训练权重（HuggingFace）：https://huggingface.co/OpenGalaxea/G0-VLA
  • 预训练权重（ModelScope）：https://www.modelscope.cn/models/Galaxea/G0-VLA

⏰ 发布路线图

  • 2025-08-23：开放 Galaxea Open-World Dataset。
  • 2025-09-09：开放 G0-VLA 预训练权重。
  • 2025-09-17：开放真实机器人推理代码与微调代码。
  • 2025-09：即将开放 Lerobot 格式数据集。
  • 2025-年内：更多更新。

🗂️ 数据集概览

  • 500+ 小时移动操作数据
  • 统一机器人形态，跨住宅/厨房/零售/办公室等真实场景
  • 细粒度子任务语言标注
  • RLDS 数据格式（即将提供 Lerobot 版本）

更多细节见数据集文档（G0 仓库 docs/dataset.md）。

🧠 G0-VLA 使用指南

GPU 需求

  • 推理：显存 > 8 GB（如 RTX 3090/4090）
  • 全参数微调：显存 > 70 GB（如 A100 80GB / H20 96GB）
  • 多卡可通过 torchrun 的 --nnodes/--nproc-per-node 做并行降低单卡显存

安装

git clone https://github.com/OpenGalaxea/G0
conda env create -f glx_vla.yml
conda activate g0

# Install Pacakges from Code
git clone https://github.com/kvablack/dlimp
cd dlimp
pip install -e .

预训练权重

模型 用途 说明 Checkpoint
G0_3B_base 微调基座 G0-VLA 基础模型 https://huggingface.co/OpenGalaxea/G0-VLA/blob/main/G0_3B_base.pt

更多模型将陆续发布。

微调流程（以 Galaxea R1Lite 为例）

  1. 数据转换为 RLDS（可参考 OpenVLA 提供的转换脚本）。
  2. 配置训练文件：vla/config/r1_lite/r1lite_fine_tune_example.yml。
  3. 启动训练：
cd G0
conda activate g0

torchrun \
  --standalone \
  --nnodes 1 \
  --nproc-per-node <num-gpus> \
  finetune.py --config <your-training-config-path>

真实机器人推理（ROS1）

请参考仓库文档 docs/inference.md 获取详细命令与启动方式。

精度设置

  • 推理：BF16 或 FP32（通过启动参数 dtype 指定）。
  • 训练：BF16 或 FP32（配置文件设置 enable_bf16: True）。

🧩 常见问题（Troubleshooting）

  • 数据集基本配置：采样频率 15 Hz；RLDS 图像分辨率 224×224。
  • 即将提供 Lerobot 格式与全分辨率（1280×720）版本。

🙏 致谢

实现参考并受益于：open-pi-zero、OpenVLA、Octo、OpenPI，以及 OXE、RDT、BridgeV2、DROID 等数据集。

📜 引用

@article{galaxea2025,
  title={Galaxea G0: Open-World Dataset and Dual-System VLA Model},
  author={Galaxea Team},
  journal={arXiv preprint arXiv:2509.00576v1},
  year={2025}
}