# F1-VLA

> 权威词条地址：https://robotics.hellobike.com/models/internrobotics-f1-vla
> 所属分类：models | 最近核验日期：2025-09-09 | 技术层级：L7, L8

## 核心摘要

InternRobotics 在 Hugging Face 发布的机器人模型，架构为 MWMForConditionalGeneration，参数规模 4.2B。

## 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/InternRobotics/F1-VLA"}] |
| `updated` | 2025-09-09 |
| `family` | vla |
| `params` | 4.2B |
| `architecture` | MWMForConditionalGeneration |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | cc-by-nc-sa-4.0 |
| `weights_license` | cc-by-nc-sa-4.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | InternRobotics/F1-VLA |
| `hub_stats` | {"downloads": 30, "likes": 32, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/InternRobotics/F1-VLA"] |

## 技术详解与生态说明

F1 是一个 Vision Language Action 模型，目标是在理解、生成与动作之间建立连接。其核心设计包括用于规划式控制的预测式逆动力学，通过视觉预见生成辅助控制；架构采用 Mixture-of-Transformer，包含 Understanding、Generation、Action 三个专门专家。训练流程分为三阶段：progressive alignment、pretraining 和 adaptation。

真实机器人实验覆盖 9 项多样化操作任务，包括 pick-and-place、handover 和复杂物体操作，并跨多个机器人平台进行。性能表中列出：在 Genie-1 的 Multi-task 上 F1 为 82.2%、π0 为 65.2%；Franka 的 Adaptation 为 66.7% 对 53.3%；ARX LIFT II 的 Long-horizon 为 40.0% 对 0.0%，Dynamic Env 为 66.7% 对 33.3%。

使用方式指向官方 repo F1-VLA。该工作许可为 cc-by-nc-sa-4.0，并基于 Lerobot、Any4lerobot 和 VAR。

## 原始核验来源 (Sources)

- [Hugging Face InternRobotics/F1-VLA](https://huggingface.co/InternRobotics/F1-VLA)