# MolmoAct-7B-D-0812

> 权威词条地址：https://robotics.hellobike.com/models/allenai-molmoact-7b-d-0812
> 所属分类：models | 最近核验日期：2025-10-24 | 技术层级：L7, L8

## 核心摘要

allenai 在 Hugging Face 发布的机器人模型，架构为 MolmoAct (Molmo VLM + Action Reasoning)，参数规模 8.1B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/allenai/MolmoAct-7B-D-0812"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/allenai/MolmoAct-7B-D-0812"}] |
| `updated` | 2025-10-24 |
| `family` | vla |
| `params` | 8.1B |
| `architecture` | MolmoAct (Molmo VLM + Action Reasoning) |
| `action_representation` | 连续关节动作块 (Action Chunking) |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | allenai/MolmoAct-7B-D-0812 |
| `hub_stats` | {"downloads": 431, "likes": 53, "as_of": "2026-10-21"} |

## 技术详解与生态说明

MolmoAct 7B-D 是 Allen Institute for AI 开发的全开源机器人操作 action reasoning 模型，面向 robotic manipulation。模型基于 Qwen2.5-7B，使用 SigLip2 作为视觉骨干，并采用 Molmo 的预训练方式初始化；权重以 FP32 发布，推理时可在加载时转换为 BF16。

训练数据包括 OXE 的一个子集和 MolmoAct Dataset；后者包含单臂 Franka 机器人在家庭与桌面环境中执行 93 类操作任务的 10k 条高质量轨迹。模型先在 MolmoAct Pre-training Mixture 上预训练，再在 MolmoAct Dataset 上 mid-training，定位为用于下游 post-training 的预览检查点。

该模型在多个基准上被描述为在视觉-语言-动作模型中达到 state-of-the-art。它采用 Apache 2.0 许可，面向研究和教育用途；安全说明强调可检查预期动作的视觉轨迹、动作空间受数据约束，并应按硬件厂商指南在安全环境中使用。

## 原始核验来源 (Sources)

- [Hugging Face allenai/MolmoAct-7B-D-0812](https://huggingface.co/allenai/MolmoAct-7B-D-0812)