# vc1-base

> 权威词条地址：https://robotics.hellobike.com/models/facebook-vc1-base
> 所属分类：models | 最近核验日期：2023-04-07 | 技术层级：L7

## 核心摘要

facebook 在 Hugging Face 发布的机器人模型。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/facebook/vc1-base"}] |
| `updated` | 2023-04-07 |
| `vendor` | meta |
| `family` | other |
| `architecture` | LeRobot / PyTorch Policy Network |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | cc-by-nc-4.0 |
| `weights_license` | cc-by-nc-4.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | facebook/vc1-base |
| `hub_stats` | {"downloads": 26, "likes": 14, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/facebook/vc1-base"] |

## 技术详解与生态说明

VC-1（Visual Cortex）是面向 EmbodiedAI 的视觉表征模型，用于物体操作、室内导航等下游任务。它是基于 Vision Transformer 的模型，提供 ViT-B 和 ViT-L 两种规模；输入为 224x224x3 图像，输出 768x1 embedding，可作为图像帧特征使用。模型采用 MAE 进行预训练。训练数据来自 7 个来源的超过 4,000 小时第一视角视频，并结合 ImageNet；模型卡中说明最终 VC-1 使用 EgoMNI（Manipulation、Navigation、ImageNet）组合数据集训练，包含操作、导航和物体识别相关模态。模型在 CortexBench 上评估，覆盖 Adroit、MetaWorld、DeepMind Control、TriFinger、Habitat、Habitat 2.0 的 17 个任务，包括 Relocate、ObjectNav、ImageNav 和 Mobile Pick 等；表中 VC-1: Ego4D + MNI（ViT-L）的 Mean Success 为 68.7、Mean Rank 为 2.4。限制方面，评估基准被描述为真实机器人任务的代理，真实机器人表现可能不同；模型训练计算开销较高，部署到资源受限设备也可能有挑战。

## 原始核验来源 (Sources)

- [Hugging Face facebook/vc1-base](https://huggingface.co/facebook/vc1-base)