- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2026 年 7 月
- 开源协议
- 代码 Apache-2.0,权重 DINOv3 License
- 发布方所在地
- 中国
项目简介
华中科技大学与华为提出的轻量视觉-语言-动作模型。不经过大语言模型,而是分别用 DINOv3 编码图像、用 BERT 编码语言指令,经轻量的双向视觉-语言交互模块融合后,由紧凑的解码器直接输出连续动作块,可在单张 RTX 4090 上以约 32 Hz 推理、显存占用不到 1 GB。开源 LIBERO 和 RoboTwin 2.0 的训练、评测代码与权重。
- 规模
- 0.2B 参数(LIBERO 版)和 0.4B 参数(RoboTwin 2.0 版)