- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2025 年 1 月
- 开源协议
- MIT
- 发布方所在地
- 中国
项目简介
SpatialVLA 是强化空间理解的 VLA 模型,以 PaliGemma2 为骨干,用 Ego3D 位置编码把三维空间信息注入视觉特征,用自适应动作网格把连续动作离散成空间动作 token。模型在 OXE 和 RH20T 的约 110 万条真机示教上预训练,用 Hugging Face Transformers 即可推理。仓库提供预训练、全参数与 LoRA 微调脚本,评测覆盖 SimplerEnv 和 WidowX、Franka 真机。
- 规模
- 约 4B 参数,在约 110 万条真机示教数据上预训练
适配机器人
- Google Robot
- WidowX
- Franka