# MolmoAct2

> 权威词条地址：https://robotics.hellobike.com/models/allenai-molmoact2
> 所属分类：models | 最近核验日期：2026-05-23 | 技术层级：L7

## 核心摘要

allenai 在 Hugging Face 发布的机器人模型，架构为 MolmoAct 2 (Molmo VLM + Action Generation)，参数规模 5.4B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/allenai/MolmoAct2"}] |
| `updated` | 2026-05-23 |
| `family` | other |
| `params` | 5.4B |
| `architecture` | MolmoAct 2 (Molmo VLM + Action Generation) |
| `action_representation` | 离散动作 Token (Autoregressive Action Tokens) |
| `code_license` | Apache-2.0 |
| `weights_license` | Apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | allenai/MolmoAct2 |
| `hub_stats` | {"downloads": 12902, "likes": 28, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/allenai/MolmoAct2"] |

## 技术详解与生态说明

MolmoAct2 是一个用于机器人控制的开放视觉-语言-动作模型，可根据视觉观测和语言指令生成机器人动作。该检查点是后训练的多具身版本，定位为进一步面向目标机器人具身或基准进行微调的基础检查点，而不是面向单一部署场景的即用策略。

模型构建在 Molmo2-ER 具身推理 VLM 骨干之上，将自回归 VLM 通过逐层 KV conditioning 连接到 flow-matching 连续动作专家。检查点包含 VLM 与连续动作专家权重，并提供 post-training mixture 的归一化元数据 norm_stats.json。

该模型卡不包含直接策略推理代码；即用推理示例需使用相应微调检查点，如 MolmoAct2-LIBERO、MolmoAct2-DROID、MolmoAct2-BimanualYAM 或 MolmoAct2-SO100_101。部署到物理机器人前需要验证输出，并结合动作边界、控制器限制、任务安全约束、急停与人工监督等措施。

## 原始核验来源 (Sources)

- [Hugging Face allenai/MolmoAct2](https://huggingface.co/allenai/MolmoAct2)