# MolmoAct2-Think

> 权威词条地址：https://robotics.hellobike.com/models/allenai-molmoact2-think
> 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 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/allenai/MolmoAct2-Think"] |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/allenai/MolmoAct2-Think"}] |
| `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-Think |
| `hub_stats` | {"downloads": 3507, "likes": 5, "as_of": "2026-10-21"} |

## 技术详解与生态说明

MolmoAct2-Think 是在 MolmoAct2 基础上加入 depth-token reasoning 的模型。它在输出动作之前，可以预测一个紧凑的 10 x 10 离散深度表示，并让动作专家基于带有深度信息的 VLM cache 生成动作。该检查点是经过后训练的多具身深度推理模型，定位为继续进行机器人微调的基础检查点，而不是面向单一部署环境的即用策略。

该检查点包含 VLM、action expert、depth-token 权重，以及 post-training mixture 的归一化元数据 `norm_stats.json`。它适合在下游策略需要使用深度推理时作为微调起点；若需要可直接运行的深度推理策略推理，应使用微调后的 `MolmoAct2-Think-LIBERO` 检查点。

模型会根据视觉观测和语言指令生成机器人动作，但行为可能随具身形态、环境和硬件配置变化。部署前应验证输出，尤其是在物理机器人或其他执行系统上运行时，可结合 adaptive depth map、仿真 rollout、动作限幅等安全检查，并遵循硬件安全指南、急停机制和人工监督。

## 原始核验来源 (Sources)

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