# Isaac_franka_xvla

> 权威词条地址：https://robotics.hellobike.com/models/grigorij-isaac-franka-xvla
> 所属分类：models | 最近核验日期：2026-07-24 | 技术层级：L7, L8

## 核心摘要

Grigorij 在 Hugging Face 发布的机器人模型，架构为 X-VLA (Florence-2 + Action Transformer)，参数规模 880M，训练数据包含 Grigorij/Isaac_franka。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/Grigorij/Isaac_franka_xvla"}] |
| `updated` | 2026-07-24 |
| `family` | vla |
| `params` | 880M |
| `architecture` | X-VLA (Florence-2 + Action Transformer) |
| `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` | ["LeRobot"] |
| `pretraining_data` | ["Grigorij/Isaac_franka"] |
| `status` | research |
| `hub_id` | Grigorij/Isaac_franka_xvla |
| `hub_stats` | {"downloads": 26, "likes": 0, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/Grigorij/Isaac_franka_xvla"] |

## 技术详解与生态说明

X-VLA 是一个 soft-prompted、flow-matching 的 Vision-Language-Action 框架，将每种机器人或硬件配置视为由少量可学习 Soft Prompt embedding 编码的“任务”，用于让单一模型适配不同机器人形态、传感器和动作空间。该策略使用 LeRobot 训练并发布到 Hub，许可证为 apache-2.0。

此模型从 lerobot/xvla-base 微调，机器人类型为 franka，相机为 third_person 和 gripper。训练数据来自 Grigorij/Isaac_franka，包含 40 个 episodes、11800 帧、30 FPS，任务为 “pick and place cube”。输入包括多路视觉观测与 8 维状态，输出为 9 维 action；训练配置包含 20000 steps、batch size 8、xvla-adamw、学习率 0.0001、seed 1000、LeRobot 0.6.0。

使用方式围绕 LeRobot 工作流，包括安装、硬件设置、记录数据与训练策略，以及通过 CLI 运行策略；运行时需要按本机配置替换 robot port 和相机名称/索引，并保证相机名称匹配训练时的 observation keys。该策略尚未提供评估结果。

## 原始核验来源 (Sources)

- [Hugging Face Grigorij/Isaac_franka_xvla](https://huggingface.co/Grigorij/Isaac_franka_xvla)