# nora-1.5

> 权威词条地址：https://robotics.hellobike.com/models/declare-lab-nora-1-5
> 所属分类：models | 最近核验日期：2025-12-11 | 技术层级：L7

## 核心摘要

declare-lab 在 Hugging Face 发布的机器人模型，架构为 Transformer (declare-lab/nora-long)，参数规模 3.7B，训练数据包含 TomNickson/OpenX-Embodiment。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/declare-lab/nora-1.5"}] |
| `updated` | 2025-12-11 |
| `family` | other |
| `params` | 3.7B |
| `architecture` | Transformer (declare-lab/nora-long) |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | mit |
| `weights_license` | mit |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["TomNickson/OpenX-Embodiment", "jxu124/OpenX-Embodiment"] |
| `status` | research |
| `hub_id` | declare-lab/nora-1.5 |
| `hub_stats` | {"downloads": 44, "likes": 7, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/declare-lab/nora-1.5"] |

## 技术详解与生态说明

NORA-1.5 是一个 Vision-Language-Action（VLA）模型，面向机器人场景中的泛化与真实世界决策。它在 NORA foundation 之上构建，通过基于世界模型和基于动作的偏好奖励进行后训练，目标是提升指令跟随、闭环控制和真实机器人任务成功表现。

该模型强调动作偏好优化、世界模型偏好学习，以及多任务、长时程和少样本泛化能力。其可靠性在 LIBERO 和 SimplerEnv 环境中进行了展示，并标注兼容 LeRobot、LIBERO、SimplerEnv 以及自定义环境。

仓库定位为开源发布模型检查点、推理代码、训练代码、评测工具、文档和示例；待办项包括发布 NORA-1.5 推理代码、预训练与 LIBERO/SimplerEnv 等相关检查点、基于 LeRobot Dataset 的训练/微调代码，以及 SimplerEnv 评测代码。

## 原始核验来源 (Sources)

- [Hugging Face declare-lab/nora-1.5](https://huggingface.co/declare-lab/nora-1.5)