VLA 模型开源

Motus

清华大学、北京大学、地平线中国

GitHub 仓库 thu-ml/Motus

返回项目库
类别
VLA 模型
开放程度
开源
发布时间
2025 年 12 月
开源协议
Apache-2.0
发布方所在地
中国

项目简介

清华大学等提出的统一隐动作世界模型。用混合 Transformer 结构整合理解、动作和视频生成三个专家,视频生成基于 Wan2.2-5B、理解部分基于 Qwen3-VL-2B,借助 UniDiffuser 式调度可在世界模型、VLA、逆动力学、视频生成和视频-动作联合预测等模式间切换。用光流学习隐动作,按三阶段流程和六层数据金字塔预训练,开源各阶段权重和训练代码。

规模
约 8B 参数(Wan2.2-5B 视频模型、Qwen3-VL-2B、约 6.4 亿参数动作专家和约 2.5 亿参数理解专家)

适配机器人

  • AC-One
  • Agilex-Aloha-2

获取方式

相关概念

数据来源

本页信息均整理自以下公开资料。

2 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

Motus:VLA 模型介绍、GitHub 仓库与开源协议 | 具身集