# nora-long

> 权威词条地址：https://robotics.hellobike.com/models/declare-lab-nora-long
> 所属分类：models | 最近核验日期：2025-08-27 | 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 Qwen2_5_VLForConditionalGeneration，参数规模 3.8B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/declare-lab/nora-long"] |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/declare-lab/nora-long"}] |
| `updated` | 2025-08-27 |
| `family` | other |
| `params` | 3.8B |
| `architecture` | Qwen2_5_VLForConditionalGeneration |
| `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` | declare-lab/nora-long |
| `hub_stats` | {"downloads": 147, "likes": 8, "as_of": "2026-10-21"} |

## 技术详解与生态说明

Nora-Long 是一个开放的视觉-语言-动作模型，面向机器人操作场景。它以语言指令和机器人工作空间的相机图像为输入，生成机器人动作；动作形式为归一化的 7-DoF 末端执行器增量，包括 x、y、z、roll、pitch、yaw 和 gripper。

该模型直接从 Qwen 2.5 VL-3B 训练而来，训练数据为 Open X-Embodiment 数据集中的机器人操作 episodes。与 Nora 不同，Nora-Long 预训练时使用 action horizon 5。作者观察到它在 WidowX 机器人任务上表现更差，但在 LIBERO 仿真中表现更好，并建议可继续微调。

实际部署到机器人平台时，模型输出的归一化动作需要依据每个机器人、每个数据集统计得到的数据进行反归一化。Nora 的检查点和训练代码以 MIT License 发布，运行说明指向 declare-lab/nora 代码仓库。

## 原始核验来源 (Sources)

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