FluxVLA Engine：机器人真能干活还差哪几步？

资讯雷峰网 2026/10/28 18:19 全文 6841 字 · 约 18 分钟读完配图 12 张分类开源具身智能

开源工程底座 FluxVLA Engine 技术报告全解读。

开源工程底座 FluxVLA Engine 的技术报告，这次做了完整解读。

论文里指标漂亮，离真正让机器人把活干完还差多远？模型能不能接进现有的数据和训练流程，推理速度追不追得上机器人的控制节奏，生成的动作能不能连续稳定地跑下来，实验结果能不能在别的机器人上复现——这些事，再多提几个百分点的成功率未必管用。

过去半年，AI科技评论（雷峰网）跟业内人聊下来，看到一些反复冒头的工程问题在吃掉大量研发资源：各家模型的数据格式对不齐，训练和评测各干各的，仿真里成立的结果上真机未必成立；一套流程费劲跑通了，换个模型、换份数据或者换台机器人，可能又得重新适配。模型一代代往前跑，工程上的积累却未必留得下来。

这让人想到深度学习走过的路。2017 年 PyTorch 正式开源，之后框架、工具链和开发者社区越磨越熟，研究者能在更成熟的基础设施上做实验，不用每回都从底层环境搭起。今天的具身智能技术挑战不一样，要解的题却相似：已有的研发成果怎么更容易复用，不同技术路线怎么在同一个工程框架里配合。逐际动力开源的 FluxVLA Engine 想从工程层面来答这道题。它不是又一个冲模型性能排名的 VLA 模型，而是一套面向具身智能研发的工程底座，把数据、训练、评测、推理和真机部署串在一起。

10 月 22 日，FluxVLA Engine 完成了一次重要更新。我们拆了它的最新技术报告，重点看四个问题：不同架构的模型能不能进同一套研发体系？模型从仿真走到真机，要跨哪些工程坎？真实交互经验怎么低成本地回流到模型优化里？同一套流程覆盖更多模型和机器人之后，它到底拿出了怎样的能力？

新模型请先登记

一套工程底座顶不顶用，先看它能不能容下不同的模型。具身智能这行，模型是迭代最快的。今天用这种 VLA 架构，明天可能换一种动作生成方式；同一个团队也可能并行研究好几个策略模型。要是每换一次模型就得重新整理数据、重写评测代码、改造部署接口，之前攒下的工程经验就很难持续兑现价值。

模型可以一直换，但围绕数据、评测和部署长出来的工程能力，不该每回都从零开始。FluxVLA Engine 的路子，是用统一配置加组件注册机制，把不同模型接入研发流程时要处理的差异，尽量收进明确的接口里。可以把它想成一份统一的实验清单，配一套能直接调用的组件目录。

配置文件管的是：一次实验用什么模型、数据怎么处理、评测怎么做、通过哪个接口部署。注册机制则把视觉骨干、动作头、训练运行器和机器人相关操作组件分别归置好。开发者按需拼装已经适配的组件就行，不用为每种模型重搭整套工程流程。

这不代表任何模型不做适配就能直接跑。不同架构照样可能要各自的适配器、动作空间转换和归一化处理。真正有价值的地方在于：把躲不开的差异收进可管理的组件层，让已经打通的公共流程继续复用。

技术报告显示，FluxVLA 已经把多种架构差异明显的策略放进同一套研发与评测体系，包括走自回归路线的 OpenVLA、走 flow-matching 路线的 π0.5，还有 DiT4DiT、GR00T 等不同技术路线的模型。统一工程框架，不必拿模型多样性来换。

FluxVLA 接的模型也不限于开放权重那类。GPT-6 Astra 此前就是纯 API 方式接入的，同一套闭环评测里，它不提供权重、不参与训练，评测器照样把流程跑完、把证据留好。最新技术报告发布两天后，MiniMax-M3.1-Flash 成了继 GPT-6 Astra 之后第二个 checkpoint-free 的纯 API 推理策略，开箱就能在 LIBERO 与 RoboCasa GR1 上跑评测。

数据这边是同样的逻辑。不同机器人、不同仿真环境产出的轨迹数据，转成标准格式后能在同一条管线里混合训练，也可以分组保留各自的归一化约定。今天为某个模型整理好的数据集，明天换个模型照样能用。工程积累不随技术路线切换而清零——这是行业研发成果能持续叠加、而不是互相抵消的前提。说到底，数据是具身智能最贵的资产，让这份资产少贬值、多复用，本身就是行业级的降本。

三步上真机

一个策略最后总得落到物理世界。模型在仿真里成功率很高，上了真机性能可能大幅下滑。这未必是模型本身的问题，而是模型推理和机器人执行之间横着一道系统性的工程鸿沟。这道鸿沟是三层问题叠出来的，哪一层都不是靠更好的模型单独能解决，得靠三个依次配合的机制分别处理。

第一层，模型推理太慢，追不上机器人的控制节奏。人形机器人的控制回路要的是高频动作指令，可大型 VLA 模型的推理速度往往远远不够——模型还在算下一步，机器人已经做完当前动作干等着了。这个时间差，直接让机器人动作迟钝或者失步。

FluxVLA 的办法，是给同一组已经学好的参数换一张更高效的执行图。具体说，针对 GR00T 和 π0.5 两条主流路线，系统把反复执行的计算步骤预先“录制”成固定执行图（CUDA Graph），再配合底层算子融合等优化，把执行效率提上去。这一步不动模型权重——针对 GR00T 动作头的数值对齐测试显示，加速前后输出动作的余弦相似度超过0.99999。

有一组实测数字让人印象很深。英伟达 AGX Orin 64GB 是不少人的机器人“机载大脑”用的芯片，就在这块芯片上，GR00T 的推理频率从 3.2Hz 提到 7.4Hz，π0.5 则从 1.4Hz 升到 4.4Hz。芯片没换，模型没换，做完优化，推理速率翻了两三倍。

第二层问题出在预测和执行的时序错位上。VLA 模型一般一次预测一段动作序列，机器人边执行边等下一段预测，查询频率因此降下来。可等新结果算完，它开头对应的时刻常常已经过去了，机器人早跑到了那段时序后面。新序列直接接上去，跳变很明显，关节会抖，动作也不连续。

FluxVLA 用 RTC（Real-Time Chunking）处理这个错位：把上一段序列里没执行完的部分当成下一次预测的前提。这样生成新序列时，模型已经知道机器人接下来先做什么，新动作就从那个状态顺下去。技术报告给了两种实现路线，一种在训练阶段就加入延迟条件模拟、推理时用前缀条件；另一种不动训练过程，适合直接套在已有模型上。

第三层，动作序列在物理上不一定执行得了。时序衔接解决了，还有最后一道关：模型输出的序列，未必落在机器人运动能力的边界内。归一化的预测值还原成真实关节角度、速度之后，一段序列里可能藏着过大的加速度或者局部振荡。说白了，动作可能太猛，也可能忽快忽慢，超出机器人能平稳执行的包络。

轨迹后处理就是在序列真正发给机器人之前，先做一次运动学约束优化，把速度、加速度以及它们的变化快慢都压进可安全执行的范围内。FluxVLA 有两种后端：一种求解更精细，处理延迟约 4.9 毫秒；另一种快约 4 倍，延迟只有 1.17 毫秒，代价是跟踪保真率略低、存在一定参考滞后。各有各的适用场景，配置里可以自由选。

真正巧妙的地方，是这三个机制在顺序上互相配合。推理加速把模型推到足够快、能跟得上控制回路；RTC 则让新序列顺滑地接到正在执行的动作上；轨迹后处理再把最终指令收进机器人物理约束允许的范围。三招串起来，原本在模型预测和真机执行之间常被含糊带过的工程落差，就被拆成几个能定位、也能分别处理的环节。

让真实交互经验进入训练闭环

把模型送上真机，然后呢？具身智能的主流开发范式通常是：收集人类示教数据，训练模型，测试，再收集，如此循环。这套方法已经推动了许多机器人操作能力的发展，但示教数据能覆盖的情况终究有限。真实环境里物体位置、光照、机器人初始状态都在变，模型可能撞上训练数据没充分覆盖的情况。要是每次发现问题都只能靠人工补示教数据，模型改进的速度就会被数据采集和训练流程卡住。

FluxVLA 这次更新引入了在线强化学习后训练，正面回应这个问题。工程设计上，这套方案相当克制。FluxVLA 没有自己把 RL 从头做一遍，而是对接专门做大规模 RL 训练的 RLinf 系统，各做各最擅长的事：FluxVLA 保留模型构建、观测处理、动作转换这一层，RLinf 负责 rollout 采集、优化算法和权重同步。两者靠接口衔接，同一套模型不用改动，接上 RLinf 前端就能进入在线 RL 的训练闭环。这么分工，现有的监督训练流程完全不受影响，RL 是可选的增量能力，不是对已有工作流的替换。

开源项目里，全部包揽是常态，把不擅长的交出去反而稀缺。FluxVLA 愿意在边界上留出接口、与外部系统协作，说明它对自己的定位很清醒，没想着做面面俱到的全家桶。

不过，在线强化学习不等于机器人能自动理解每一次失败，也不保证训练时间越长模型就一定越强。它提供的是一条用交互数据优化策略的路径，最终效果还得看奖励设计、训练设置和任务条件。

技术报告给了一组配对实验结果：SmolVLA 在 LIBERO-10 上，成功率从基线 66.2% 提升到 76.2%，提高 10 个百分点；在 RoboTwin Clean 设置的 10 个任务上，从 45.9% 提升到 61.3%，提高 15.4 个百分点。RoboTwin 实验还记录到，训练后有 231 个此前失败的 episode 转为成功，但也有 77 个原本成功的 episode 出现退步。策略整体表现改善了，却不是所有情况都同步优化。报告同时指出，随着训练继续，LIBERO-10 上的成功率从峰值略有回落。

这组实验还验证了一个重要方向：策略交互、数据采集和训练优化能在工程上形成闭环，真实执行中获得的经验就有机会用于后续模型改进，而不只是停在一次测试结果里。对整个行业来说，研发流程可以从单向的“收集示教—训练—测试”，进一步向“执行—采集经验—优化策略—再次执行”扩展。

覆盖度才是硬指标

一套工程体系到底有没有用，还得看它验证过的范围有多宽。只接得住少数几种模型，或者只在单一机器人上跑得通，复用价值就有限。反过来说，若多种异构策略都能进到同一套评测体系里，并在不同机器人平台上各自完成测试，这套工程框架的通用性就更有说服力。FluxVLA 技术报告给出的评测结果，正好提供了几个可以细看的切面。

仿真这一侧，前面已经提过，内部结构差别很大的策略可以共用同一套数据管线和评测器。具体到数字，技术报告在 LIBERO 上一共集成了 14 个策略，13 个本地 checkpoint 中有 11 个的平均成功率超过 95%。还有两个细节此前没有展开。

先说难度上的差别。LIBERO 考的是桌面级短任务，得分高，跟基准自身的任务特点也有关。同一套策略挪到更贴近真实居家操作、难度更高的 RoboCasa GR-1 上，平均成功率落到 8.75% 到 57.25% 之间。这个落差源于任务难度不同，并非评测口径出了偏差。报告里也写明了，两组结果出自不同的模型架构、数据预算和训练流程，算不上受控比较。

让策略去不同难度的任务里跑一遍，目的不光是拿一个成功率数字，更在于帮开发者看清模型眼下能做什么、哪些任务还有提升余地。FluxVLA 给出统一的评测流程，这类能力验证就能在相应基准上持续做下去。

再看泛化。RoboDojo 设了 42 个任务，每个模型跑 2100 次试验，多数模型能完成其中一部分，但从头到尾全做完的比例要低得多；任务布局从固定改成随机后，排在最前的 π0.5 成功率从 16% 掉到 2.33%，剩下七个模型最高也只有 0.67%。这组数字摆出来，主流策略面对没见过的场景时共同的难处就很清楚了。

真机这头，平台扩到了四个：ALOHA 双臂系统（6 个任务、7 种策略配置）、逐际动力自研的全尺寸人形机器人 Oli、Rebot，以及双臂 Franka。在仿真里训练、验证过的策略，走同一套部署路径，直接上了形态各不相同的四个平台，闭环测试也都跑完了。

Oli 上有组细节挺有意思：四阶段箱子搬运里，GR00T N1.5 和 π0.5 前三阶段完成率几乎一样（60% 对 61.67%），全程完成率却只有 6.7% 和 33.33%。长程任务的成功率是乘法，不是加法，前面几段攒下的微小偏差，到后期会被一级级放大。我们跟业内人士聊时多次听人提过这个问题，但此前只能停留在理解和想象，这次 FluxVLA 分阶段记录完成情况的评测设计，把它清楚地摆了出来。

闭环的价值，在 ALOHA 叠毛巾的数据上体现得最充分。先用传统行为克隆训练，也就是让模型照搬人类示教的动作，成功率只有 62.1%。换个路子，先训一个奖励模型，让系统学会判断每个动作做得好不好，再拿这个判断反过来指导策略训练，成功率升到 99.4%。从真机采数据、训练奖励模型，到重训策略、再部署回真机，全程都在 FluxVLA Engine 这一套底座上跑完。

总体看，FluxVLA 的评测结果给出两类证据。一类关于工程能力：多种异构策略被收进统一评测体系，多个真机平台跑完了相应闭环验证，说明它已经展现出跨模型、跨平台组织研发流程的本事。另一类关于模型能力的可验证性：不同基准下的表现差异、随机布局带来的成功率变化，还有长程任务里的阶段性损耗，都让模型的能力边界有了更具体的观察依据。工程底座不替代模型自身的优化，也不意味着所有策略都能自动拿到出色的泛化能力；它提供的是一条相对统一的验证路径，让开发者能更可靠地评估现有能力、发现问题，并在后续研发里持续改进。

军无辎重则亡

2026 年具身智能的竞争焦点，正从谁的模型更牛，慢慢挪到谁的数据更多更泛、谁的本体更扛用、谁的商业化路径更明确。前线拼火力，后方拼粮草，完整的工程生态就像一条靠谱的补给线，战线越往后拉，价值越明显。

FluxVLA 的价值不在于把具身智能的工程难题全解决掉，而在于试着把其中一部分反复冒出来的问题，变成可复用的工程机制。模型注册与统一配置，省掉了重复搭建研发流程的功夫；推理优化、RTC 与轨迹后处理，把部分真机执行障碍拆成可处理的环节；在线 RL 对接，给交互数据进入策略优化留了工程接口；跨模型和跨平台评测，则让不同策略能在相应条件下得到验证。

这些能力指向同一件事：研发团队能把更多精力放在模型、数据与任务本身，不必每次实验都重复处理相同的基础工程问题。工程流程统一，也不只服务研发效率，它让模型能力的验证与迭代有了更稳的依托。开发者能在相对一致的流程里比较不同方案，观察策略在不同任务和平台上的表现，再把发现的问题带回数据、训练与部署环节。

还有个容易被忽视、我们却觉得挺关键的选择：FluxVLA 并不追求让所有组件无条件兼容。不同模型、数据集、机器人本体之间，数据结构、动作语义、接口的差异客观存在，谁也抹不平。FluxVLA 用标准接口和模块化设计，把这些差异收拢到可检查、可适配的环节——组合出问题时，能让人知道具体卡在哪。工程可靠性上，这种让问题暴露出来的姿态，比假装什么都兼容更有价值。

作为一家具身智能主机厂，逐际动力在本体、算法研发和真机运行里踩过的坑、验证过的流程，本来可以当护城河，只服务自家产品，但他们选择把一线经验转成开放的标准化工程底座，以企业级资源为外部开发者、算法团队和其他机器人平台留出使用与协作的更多可能。当然，这不等于开源项目已经自然长成成熟的行业生态。真正的生态还得靠外部团队持续使用、贡献适配、反馈问题，并在不同场景里验证价值。但开放的接口与可复用的工具，至少给这样的协作铺了个底。

FluxVLA Engine 代码仓库：https://github.com/FluxVLA/FluxVLA

技术报告：https://arxiv.org/abs/2609.17210

Hugging Face：https://huggingface.co/limxdynamics/FluxVLAEngine

本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。

继续浏览更多资讯

返回资讯目录

FluxVLA Engine：机器人真能干活还差哪几步？

新模型请先登记

三步上真机

让真实交互经验进入训练闭环

覆盖度才是硬指标

军无辎重则亡

继续浏览更多资讯

相关资讯

相关 AI 工具

相关推荐按相关度与热度排序

Google推出Agent Compute Engine：智能体基建从能跑转向管好

DeepSeek开源不到一周：vLLM、SGLang推理速度反超

DeepInfer开源一周：vLLM、SGLang性能反超了吗？

韩 KRAFTON AI 预览 Raon-1 mini 模型：30B-A4B，可与 Meta Muse Glimmer 竞争

KRAFTON AI推出Raon-1 mini预览：30B-A4B开源模型面向韩语

宇树上市后机器人IPO节奏生变：智元赴港或推迟，估值窗口收窄

周畅被传离职创业，接近字节人士称其并未离开

DeepSeek开源DeepInfer推理框架：单集群日吞吐155万亿Tokens

具身智能融资935亿：国资入场抢项目，宇树市值腰斩后压力将至

具身智能融资935亿：国资42%入场，宇树蒸发一半后压力11月释放

钉钉DWS适配鸿蒙PC并开源：1000多条命令打通25项业务

Reddit开源社区封杀AI项目：Linux与Python被指违规

英伟达开源机器人数据引擎 Flora:标注成本较 GPT-6Astra 降至125倍

无境动力被曝欠薪近800万元停工，iPhone Duo屏幕开裂引争议

Hi3D开源V1.0底座并推Agent：AI 3D从演示走向生产

美国一公司招人遛机器狗：时薪 20 美元，不用铲屎但可能要扛狗回来

扩散智能发布Clover-35B模型：680 tokens/s，Agent编程能力对标Qwen

RoboParty发布RP1：全栈开源人形机器人，图纸算法全给

宇树上市后：322起融资935亿，投资人为何反不敢投机器人？

Reddit开源社区禁AI项目：Linux和Python被指违规，版规陷死循环

奥特曼再谈闭源：中国开源模型追平，安全牌不好打了

OpenAI闭源再拿安全说事，中国开源模型已追到眼前

奥特曼再辩闭源安全论，中国开源模型能力已逼近

Opera推WebAI标准：浏览器本地跑AI模型，Opera One已开预览

Ollama Mac版新增离线语音生成：数据不联网，速度比原方案快35%

小米开源AI硬件HachimoDock：150元成本，桌面Agent与桌宠二合一

Opera推WebAI标准：浏览器本地跑AI模型，不用云端

DeepSeek开源不到一周：vLLM、SGLang性能反超DeepInfer？

Ollama Mac 版上线离线语音生成：Phonon 模型本地跑，速度提升 35%

Ollama Mac版上线离线语音功能：数据不出设备，速度最高提升35%