# RynnVLA-Latent-2B

> 权威词条地址：https://robotics.hellobike.com/models/alibaba-damo-academy-rynnvla-latent-2b
> 所属分类：models | 最近核验日期：2026-10-08 | 技术层级：L7, L8

## 核心摘要

Alibaba-DAMO-Academy 在 Hugging Face 发布的机器人模型，架构为 Qwen3VLForConditionalGeneration，参数规模 2.5B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/Alibaba-DAMO-Academy/RynnVLA-Latent-2B"}] |
| `updated` | 2026-10-08 |
| `family` | vla |
| `params` | 2.5B |
| `architecture` | Qwen3VLForConditionalGeneration |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | Alibaba-DAMO-Academy/RynnVLA-Latent-2B |
| `hub_stats` | {"downloads": 47, "likes": 3, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/Alibaba-DAMO-Academy/RynnVLA-Latent-2B"] |

## 技术详解与生态说明

RynnVLA-Latent-2B 是 RynnVLA-Latent 的 Stage-1 latent-action 预训练检查点，定位为 Mixture-of-Transformers 视觉-语言-动作模型。它接收语言指令和最多六路相机视角，通过 flow matching 生成一段 latent actions；发布权重为最终训练步 236,442 的 EMA 快照，参数量为 2,510,917,041，权重为 bfloat16。

该阶段的目标是 latent action，而不是机器人动作，训练不使用动作标签。latent actions 由 RynnLAM 从原始 RGB 帧对标注得到，维度为 608，包含 8×64 k-tokens、64 维 z 和 32 维相机位姿；同一批次可混合不同相机数量的数据，最多使用 head、left_wrist、right_wrist、front_third、side_left、side_right 六个视角槽位。

该检查点不应直接用于 LIBERO、RoboTwin 或 VLABench 的闭环控制评测，仓库中的适配器会拒绝 Stage-1 latent-only 检查点。它用于 Stage 2 初始化，在相同 flow-matching 目标下重定向到机器人特定动作空间。自定义 model_type 需先导入 rynnvla 包解析，许可为 Apache License 2.0。

## 原始核验来源 (Sources)

- [Hugging Face Alibaba-DAMO-Academy/RynnVLA-Latent-2B](https://huggingface.co/Alibaba-DAMO-Academy/RynnVLA-Latent-2B)