WorldFoundry
English中文

GigaBrain-0

论文方法总览：GigaBrain-0.7 把 VLA 动作系统与 VLM 规划器、世界模型评估器配对。

GigaBrain-0（GigaAI）：视觉-语言-动作（VLA）、VLA 动作预测；已验证; 2 个 variant。

编辑此页GitHubMarkdown

GigaBrain-0 是极佳科技（GigaAI）的 3.5B VLA 基础策略，支持子任务预测，发布 GigaBrain-0-3.5B-Base 与 0.1 更新版，Apache-2.0 许可。本 catalog 中树内 GigaBrain-0.1 运行时使用转换的 LeRobot RoboTwin 统计输出了 checkpoint 驱动的 CUDA action_trace，PaliGemma tokenizer 与 physical-intelligence FAST tokenizer 均已就位。

0.1 变体是已晋级的 GPU 路径：公共 pipeline 在 80 GB 卡上用转换后的 LeRobot RoboTwin 统计写出了 checkpoint 驱动的 CUDA action_trace（记录探针大约占用 20.8 GB、约 55 秒）。那是非榜单的运行时就绪。官方任务分数一致性仍需要门控的官方任务数据和任务专用 norm_stats / delta_mask。3.5B-base 线通过了张量 GPU 探针；已晋级的 action-trace 证据目前覆盖 0.1。

论文方法总览：GigaBrain-0.7 把 VLA 动作系统与 VLM 规划器、世界模型评估器配对。
论文方法总览：GigaBrain-0.7 把 VLA 动作系统与 VLM 规划器、世界模型评估器配对。

记录论文为arXiv 2608.15875。

项目页：gigaai-research.github.io/GigaBrain-Challenge-2026。代码：open-gigaai/giga-brain-0。

论文：arXiv 2608.15875。项目页：gigaai-research.github.io/GigaBrain-Challenge-2026。代码：open-gigaai/giga-brain-0。另外需要门控的 google/paligemma-3b-pt-224（Hugging Face 认证）和 physical-intelligence/fast。Runner 在该转换统计范围内已验证。别名包括 giga-brain-0.1、GigaBrain-0.1-3.5B-Base。

构建运行命令

推理 Pipeline
GigaBrain0Pipelineworldfoundry.pipelines.component_pipelines
任务Interactive Video interactive-video
环境worldfoundry-unified-cu128
设备CUDA 12.8
Runnerworldfoundry.evaluation.models.runners.pipeline:WorldFoundryPipelineRunner
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  giga-brain-0-3.5b-base \
  --pipeline.task-profile interactive-video \
  --json

变体

  • giga-brain-0-3.5b-base
    状态Runner 一致性待确认

    vla.action_prediction

    Runtime profilegiga-brain-0

    Pipeline bindinggiga-brain-0

  • giga-brain-0.1-3.5b-base
    状态Runner 一致性待确认

    vla.policy_rollout

    Runtime profilegiga-brain-0

    Pipeline bindinggiga-brain-0

用来做什么

用 giga-brain-0-3.5b-base 做本卡的视觉-语言-动作推理。这条配方用来启动已记录的策略 profile。

3.5B 策略，PaliGemma tokenizer 基座，用 FAST 动作 tokenizer 做离散动作编码，另有子任务预测头。官方仓库指针之外的架构内部细节仓库未记录。

catalog 记录的任务包括 视觉-语言-动作（VLA）、VLA 动作预测、VLA 策略执行、机器人策略。别名包括 giga_brain_0、gigabrain0、giga-brain-0.1、GigaBrain-0-3.5B-Base 等。同系列还有 giga-brain-0.1-3.5b-base。

记录的评测入口包括RoboTwin 2.0（CUDA 动作轨迹以转换的 RoboTwin 统计产出）。

GigaBrain-0 具身策略，不是世界生成器。

运行时契约

可选 prompt、input_path、interactions、fps；产物 action_trace、giga_brain_0_action_trace.json。

CLI task profile：interactive-video。绑定的 pipeline 类是 GigaBrain0Pipeline。

起步 variant 是 giga-brain-0-3.5b-base。catalog 登记了 2 个 variant（上方卡片）：giga-brain-0-3.5b-base（vla.action_prediction）：Runner 一致性待确认、giga-brain-0.1-3.5b-base（vla.policy_rollout）：Runner 一致性待确认。系列状态：已验证。

PaliGemma tokenizer 模型为门控（需人工审查），需要 Hugging Face 认证。 由于官方任务 norm_stats/delta_mask 资产门控或未就位，官方任务分数 parity 单独跟踪。

WorldFoundry in-tree GigaBrain-0.1 runtime emitted a checkpoint-backed CUDA action_trace using converted LeRobot RobotWin stats.

在 WorldFoundry 中运行

启动 worldfoundry-eval run giga-brain-0-3.5b-base --pipeline.task-profile interactive-video 执行策略。上方命令构建器按已记录任务切换 --pipeline.task-profile，发出的仍是 worldfoundry-eval run。

运行环境是统一 profile worldfoundry-unified-cu128（Python 3.11，CUDA 12.8）。

记录的权重仓库包括 open-gigaai/GigaBrain-0-3.5B-Base、open-gigaai/GigaBrain-0.1-3.5B-Base、google/paligemma-3b-pt-224 等。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh giga-brain-0-3.5b-base；下载缺失的公开权重时加 --download。

记录 license 为 apache-2.0；状态：已验证。