RLDX-1: A Vision-Language-Action model for human-like dexterous manipulation

요약

RLDX-1은 인간과 유사한 정교한 손가락 조작(dexterous manipulation)을 목표로 하는 Vision-Language-Action 모델입니다. 이 모델은 Multi-Stream Action Transformer를 기반으로 운동 인식, 장기 기억, 물리 감지 등 다양한 모달리티 정보를 통합하여 작동합니다. ALLEX 작업에서 86.8%의 높은 성능을 달성하며 기존 모델 대비 상당한 개선을 보여주었습니다.

핵심 포인트

• RLDX-1은 인간과 유사한 정교한 조작(dexterous manipulation)에 특화된 VLA(Vision-Language-Action) 모델이다.
• Multi-Stream Action Transformer를 핵심 아키텍처로 사용하여 운동 인식, 장기 기억, 물리 감지 등 다중 모달리티 정보를 통합한다.
• ALLEX 작업에서 86.8%의 성능을 달성하며, 기존 최고 성능 모델(π0.5) 대비 약 40% 향상된 결과를 보여주었다.