开源更新｜星海图首个端侧 VLA G0 Tiny 发布！G0 Plus 能力再进化

       当具身智能从实验室走向真实世界，模型能力与部署效率正在成为同样重要的命题。

       一方面，我们需要更强的泛化能力与开放世界理解；另一方面，我们也需要更轻量、更实时、可落地的端侧方案。

       围绕“更强能力”与“更高效率”这两个核心目标，本次我们完成了 G0 系列模型的重要升级，并同步开源部分后训练框架，进一步完善从预训练到部署落地的完整链路。

       ??开源地址：

       https://github.com/OpenGalaxea/GalaxeaVLA

       1  G0 Plus再度升级，权重代码开源
       在保持3B 参数规模不变的前提下，基于更大规模本体数据与 Web Data 完成新一轮预训练，显著提升指令遵循能力与开放世界泛化能力。

       开箱即可实现「万物抓取」与「衣物折叠」等高泛化操作体验，为多场景应用提供更稳定的基础模型能力。

       2 G0 Tiny端侧VLA模型，5分钟实现全部署
       G0 Tiny是面向端侧部署的具身智能应用模型，在仅 250M 参数规模下，依然保留完整的视觉与语言理解能力，实现“小模型、全能力”的高效设计。

       基于R1 Pro 大规模高质量遥操作数据完成预训练，丰富的先验知识使模型能够快速迁移至各类后训练任务。

       支持TensorRT 量化部署，在NVIDIA Orin平台实现端侧10Hz 实时推理。

       作为首个开源端侧部署VLA模型，提供R1 Pro开箱即用的物品传递体验。无需笨重的主机和有线连接，几条命令即可5分钟内部署，让R1 Pro拾起面前桌面上各种位置和姿态摆放的礼品袋，实时追踪手势，将其稳稳地交到你的手中，无惧动作干扰和背景环境迁移。

       3 后训练框架更新
       我们同步向社区开源了部分星海图后训练框架。本次更新新增对多种预训练模型的支持，包括自研G0 Plus / G0 Tiny以及主流模型pi0 / pi0-FAST。

       面向复杂长程任务场景，G0 Plus / pi0 / pi0-FAST可在高性能主机环境中发挥更强任务规划与执行能力。

       面向工业与端侧应用场景，G0 Tiny在端侧部署条件下即可高效完成稳定可靠的任务执行。

       从云端高性能模型到端侧轻量模型，从预训练到后训练框架，此次更新进一步完善了星海图具身智能模型的完整开发与部署链路，帮助开发者更高效地实现真实场景落地。