- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2026 年 6 月
- 开源协议
- MIT
- 发布方所在地
- 中国
项目简介
浙江大学等面向科学实验室场景的视觉-语言-动作模型,让机器人按实验流程操作通风橱、球磨机、离心设备、玻璃器皿等仪器,并处理透明液体。以 Qwen3-VL-4B-Instruct 为视觉语言底座,接 DiT 流匹配动作专家;训练分两阶段,先用 FAST 动作 token 预训练让底座具备动作感知,再在知识隔离下接入动作专家做流匹配后训练。可通过 OpenPI 的 WebSocket 协议部署。
- 规模
- 约 5B 参数(Qwen3-VL-4B-Instruct + DiT 动作专家)
适配机器人
- UR5e
- UR16e
- Festo
- Rizon 4
- FR3
- Franka