VLA 模型开源

SpatialVLA

上海人工智能实验室、复旦大学、上海交通大学、浙江大学中国

GitHub 仓库 SpatialVLA/SpatialVLA

返回项目库
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

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。

3 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

SpatialVLA:VLA 模型介绍、GitHub 仓库与开源协议 | 具身集