跳到主要內容
2026-10-29 日報
研究與評測

逐際動力開源 FluxVLA Engine 具身工程底座,GR00T 在邊緣晶片推理提升至 7.4Hz

AI 科技評論單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

本次未取得足夠原文證據

逐際動力開源具身智慧工程底座 FluxVLA Engine,並於 10 月 22 日完成重要更新。依 AI 科技評論的報導,此消息為單一來源,數據引自其所解讀的技術報告,尚未獨立驗證。FluxVLA 並非爭奪模型排名的 VLA 模型,而是貫通資料、訓練、評測、推理與實機部署的工程底座。它透過統一設定檔與元件註冊機制,把不同模型的差異收斂到明確介面。報告指出,已納入的策略包括自回歸路線的 OpenVLA、flow-matching 路線的 π0.5,以及 DiT4DiT、GR00T 等架構,但不同架構仍可能需要各自的適配器與動作空間轉換。報導另稱,純 API 模型 GPT-6 Astra 曾以無權重方式接入同一套閉環評測,MiniMax-M3.1-Flash 隨後被描述為第二個此類策略。 推理加速方面,針對 GR00T 與 π0.5,系統把重複執行的計算步驟錄製為 CUDA Graph,並配合底層算子融合,不改動模型權重。GR00T 動作頭的數值對齊測試顯示,加速前後輸出動作的餘弦相似度超過 0.99999。在英偉達 AGX Orin 64GB 邊緣晶片上,GR00T 推理頻率由 3.2Hz 提升至 7.4Hz,π0.5 由 1.4Hz 提升至 4.4Hz。 在動作銜接與後處理上,FluxVLA 以 Real-Time Chunking(RTC)處理分段預測造成的時序錯位,把上一段尚未執行完的動作作為下一次預測的前提。報告提供兩種實作:一種在訓練時加入延遲條件模擬、推理時使用前綴條件;另一種不改變訓練過程,可直接用於既有模型。軌跡後處理則在送出指令前做運動學約束,限制速度、加速度及其變化率。它提供兩種後端:精細版延遲約 4.9 毫秒;快約 4 倍的版本延遲為 1.17 毫秒,但追蹤保真度略低,且存在一定參考延遲。 在線強化學習方面,FluxVLA 與 RLinf 系統對接,前者負責模型建構、觀測處理與動作轉換,後者負責 rollout 採集、最佳化演算法與權重同步,既有監督式訓練流程不受影響。報告中,SmolVLA 在 LIBERO-10 的成功率由基線 66.2% 提升至 76.2%,在 RoboTwin Clean 的 10 個任務上由 45.9% 提升至 61.3%。但 RoboTwin 實驗同時記錄到 231 個原本失敗的 episode 轉為成功,也有 77 個原本成功的 episode 退步;LIBERO-10 的成功率在訓練後期自峰值略為回落。報告強調,效果仍取決於獎勵設計、訓練設定與任務條件。 評測部分,LIBERO 納入 14 個策略,其中 13 個本地 checkpoint 有 11 個平均成功率超過 95%。同類策略在較難的 RoboCasa GR-1 上,平均成功率僅 8.75% 至 57.25%。報告註明,兩組結果來自不同架構、資料預算與訓練流程,不構成受控比較。在 RoboDojo 的 42 個任務中,每個模型進行 2100 次試驗;布局由固定改為隨機後,排名第一的 π0.5 成功率由 16% 降至 2.33%,其餘七個模型最高僅 0.67%。實機平台包括 ALOHA 雙臂系統(6 個任務、7 種策略設定)、逐際自研全尺寸人形機器人 Oli、Rebot,以及雙臂 Franka。在 Oli 的四階段箱子搬運中,GR00T N1.5 與 π0.5 的前三階段完成率相近(60% 與 61.67%),全程完成率卻分別只有 6.7% 與 33.33%,顯示長程任務的誤差會逐段放大。在 ALOHA 疊毛巾任務中,行為克隆的成功率為 62.1%;先訓練獎勵模型,再以其指導策略訓練後,成功率達 99.4%。
讀原始報導

背景

FluxVLA Engine 在官方 GitHub 頁面被描述為一套全端、端到端的具身智能工程平台,以統一配置、標準化介面與模組解耦為核心設計,涵蓋從資料到真機部署的完整流程。文中提到的 OpenVLA 是一個 7B 參數的開源視覺-語言-動作(VLA)模型,建立在 Llama 2 語言模型之上,並融合 DINOv2 與 SigLIP 的視覺特徵。

來源