VLA 模型开源

WALL-OSS

自变量机器人中国

GitHub 仓库 X-Square-Robot/wall-x

又称 Wall-X、WALL-OSS-FLOW、WALL-OSS-FAST、Wall-OSS-0.5

类别
VLA 模型
开放程度
开源
发布时间
2025 年 9 月
开源协议
Apache-2.0
发布方所在地
中国

项目简介

WALL-OSS 是自变量机器人开源的具身基础模型系列,以 Qwen2.5-VL 为底座扩展出动作分支,经大规模多模态预训练获得具身理解和操作能力。Wall-X 仓库提供训练推理代码,含 LeRobot 数据准备、流匹配与 FAST 两种动作分支、WebSocket 推理服务和 LIBERO 评测。已开源 WALL-OSS-FLOW、WALL-OSS-FAST 和可直接上真机的 Wall-OSS-0.5 等权重。

WALL-OSS 安装要点

来源:README.md

依据官方资料的 main 版本整理,核验于 2026-11-06。版本更新后命令可能变化,以官方文档为准。

  1. 克隆仓库并创建环境来源:huggingface.co

    git clone https://github.com/X-Square-Robot/wall-x.git
    cd wall-x
    conda create --name wallx python=3.10
    conda activate wallx
  2. 安装依赖和 flash-attn

    pip install -r requirements.txt
    export FLASH_ATTN_CUDA_ARCHS=$(python -c 'import torch; print(f"{torch.cuda.get_device_capability()[0]}{torch.cuda.get_device_capability()[1]}")')
    MAX_JOBS=4 pip install flash-attn==2.8.3 --no-build-isolation
  3. 安装 DMuon

    默认训练配置要用

    pip install "dmuon @ git+https://github.com/X-Square-Robot/dmuon.git"
  4. 安装 LeRobot

    v0.4.4 来自 DEPLOY.md;--no-deps 防止覆盖依赖版本

    git clone https://github.com/huggingface/lerobot.git
    cd lerobot
    git checkout v0.4.4
    pip install --no-deps -e .
    cd -
  5. 安装 Wall-X

    会编译 CUDA 算子,--no-build-isolation 必须带

    MAX_JOBS=8 pip install --no-build-isolation -e .
  6. 跑最小推理

    python scripts/fake_inference.py --checkpoint-path <path/to/checkpoint>

环境要求

来源:DEPLOY.md
操作系统
Ubuntu 22.04 / 24.04
Python
3.10
PyTorch
2.10.0(cu128)
编译工具链
nvcc 要和 torch 的 cu128 匹配,5090 机器要在 conda 里装 cuda-nvcc 12.8
驱动
支持 CUDA 12.x,建议 ≥ 550
训练显存来源:README.md
单卡至少 48 GB,多卡开 distributed.use_fsdp(workspace/README.md)
推理显存
约 8–12 GB,RTX 5090 32GB 实测,视 checkpoint 与配置而定
磁盘
环境约 15–20 GB,全量 checkpoint 每个约 17 GB

常见报错

解法来自官方文档、维护者回复或提问者确认,部分报错出自旧版本。

CUDA version (13.x) mismatches

原因系统 CUDA 工具链是 13.x,而 torch 是 cu128

解决在 conda 环境里装 cuda-nvcc 12.8,把 CUDA_HOME 指向该环境

conda install -p "${CONDA_PREFIX}" -y -c conda-forge cuda-nvcc=12.8 cuda-cudart-dev=12.8
来源:DEPLOY.md
fatal error: cuda_runtime.h: No such file or directory

解决编译 flash-attn 时设置 CPATH

export CPATH="${CUDA_HOME}/targets/x86_64-linux/include:${CPATH:-}"
来源:DEPLOY.md
ValueError: Image features and image tokens do not match: tokens: 730, features 768

解决设置 ENABLE_FAST_PREPROCESS=false 后重启服务

export ENABLE_FAST_PREPROCESS=false
来源:DEPLOY.md
ModuleNotFoundError: No module named 'flash_attn'

原因Vision 模块默认用 flash_attention_2

解决安装 flash-attn,不要改成 sdpa 绕过

MAX_JOBS=4 pip install flash-attn==2.8.3 --no-build-isolation
来源:DEPLOY.md
Host: x86_64-conda-linux-gnu

原因激活 conda 后 HOST 可能被覆盖成编译器三元组

解决启动服务前设置 HOST

export HOST=0.0.0.0
来源:DEPLOY.md

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。

7 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

WALL-OSS(wall-x):安装步骤、环境要求与常见报错 | 具身集