Частоту инференса в тридцать кадров за секунду и четыреста восемьдесят герц контура моторики открытой VLA-модели DM0.5 представила Dexmal на WRC 2026

Источник: QbitAI

Публичный релиз открытой фундаментальной VLA-архитектуры физического интеллекта DM0.5 и демонстрацию инновационного фреймворка Realtime-VLA FLASH провела технологическая компания Dexmal (原力灵机) в рамках столичного пекинского конгресса WRC 2026. По отчетам ведущих изданий QbitAI, BAAI Hub, NetEase и документации в официальном репозитории на GitHub, новая архитектура заняла первую строчку глобального бенчмарка RoboDojo, продемонстрировав рекордную эффективность прямого переноса навыков из виртуальной симуляции на физические антропоморфные манипуляторы.

Ключевым технологическим достижением команды стало преодоление проблемы высокой вычислительной задержки, традиционно сдерживающей внедрение диффузионных Vision-Language-Action моделей в реальном производстве.

Фреймворк Realtime-VLA FLASH реализует спекулятивный инференс с разделением вычислительного потока: высокоуровневый визуально-языковой блок генерирует траектории действий с частотой тридцать кадров за секунду, а низкоуровневый контур моторного импедансного управления работает на феноменальной частоте четыреста восемьдесят Герц.

Алгоритмическая основа объединяет легковесную авторегрессионную черновую модель и параллельный блок диффузионной верификации, что сократило время одного шага генерации управляющего импульса с пятидесяти до трех и двух десятых миллисекунды.

Входной оптический тракт обрабатывает потоки от четырех RGB-камер (двух на запястьях манипуляторов и бинокулярной стереопары над рабочей зоной) с разрешением двести двадцать четыре на двести двадцать четыре пикселя через компактный трансформер ViT.

Контур тактильного очувствления объединяет шестиосевые силомоментные датчики запястий и матричные датчики пальцев, динамически корректируя силу сжатия при удержании скользких предметов со скоростью опроса один килогерц. Встроенный модуль предиктивной фильтрации автоматически компенсирует механический люфт шарниров и инерцию тяжелого инструмента при резких сменах вектора приложения сил, полностью предотвращая случайное выскальзывание захваченных хрупких деталей.

В ходе натурных демонстраций на выставочном стенде двухрукий антропоморфный манипуляционный комплекс на базе прошивки DM0.5 автономно выполнял сложнейшие контактные манипуляции: прецизионную очистку кожуры огурцов ножом-экономкой, тонкую нарезку овощей, скоростную сборку цепочек домино и сортировку посылок с конвейера при случайных внешних помехах со стороны зрителей.

Система мгновенно пересчитывала траекторию хвата при попытке человека сдвинуть предмет во время движения захвата, затрачивая на адаптацию менее двух сотых секунды.

Обучение базовой модели DM0.5 проводилось на массиве из одного и восьми десятых миллиона шагов телеоперационных физических демонстраций, собранных с помощью VR-шлемов и тактильных перчаток, а также пятидесяти миллионов симуляционных траекторий в среде Isaac Lab. Продвинутая рандомизация параметров трения, освещения и упругости позволила добиться девяносто одного и четырех десятых процента успешных выполнений задач без предварительной калибровки под новые незнакомые предметы. Платформа полностью совместима с открытой экосистемой Dexbotic 2.0 под PyTorch, существенно упрощая дообучение нейросети под кастомные промышленные захваты и автоматические конвейерные линии фабрик.

Нейросеть оптимизирована для прямого исполнения на одном локальном модуле NVIDIA Jetson AGX Orin или Jetson Thor с использованием среды Triton Inference Server, полностью устраняя зависимость от внешних облачных серверов и сетевых задержек.

Архитектура поддерживает открытые стандарты интеграции манипуляторов Franka, Universal Robots и многопалых кистей через стек ROS2.

Компания Dexmal открыла полный доступ к весам модели DM0.5, исходному коду фреймворка инференса и обучающим наборам данных под разрешительной свободной лицензией Apache 2.0 в пользу глобального академического и промышленного сообщества.