# RoboInter-VLM

> 权威词条地址：https://robotics.hellobike.com/models/internrobotics-robointer-vlm
> 所属分类：models | 最近核验日期：2026-02-14 | 技术层级：L7

## 核心摘要

InternRobotics 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5_VLForConditionalGeneration，参数规模 8.3B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/InternRobotics/RoboInter-VLM"}] |
| `updated` | 2026-02-14 |
| `family` | other |
| `params` | 8.3B |
| `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` | InternRobotics/RoboInter-VLM |
| `hub_stats` | {"downloads": 109, "likes": 6, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/InternRobotics/RoboInter-VLM"] |

## 技术详解与生态说明

RoboInter-VLM 是 RoboInter-VLM 系列的旗舰模型，基于 Qwen2.5-VL-7B-Instruct，参数规模约 7B，面向 RoboInter Manipulation Suite 中的机器人操作视觉语言任务。它在 RoboInter-VQA 数据集上微调，用于理解和生成机器人操作中的中间表示。所有检查点以 safetensors 格式、bfloat16 精度存储。

该模型联合训练于通用 VQA 以及三类 curated VQA 任务：生成轨迹路标、夹爪框、接触点/框、物体当前与最终框等；进行接触状态、抓取姿态、物体定位、轨迹选择、运动方向等多选视觉推理；以及下一步预测、动作原语识别、成功判定等高层任务规划。推理、训练和评测需参考对应的 RoboInterVLM-QwenVL 代码库，许可需参照 RoboInter、Qwen2.5-VL 和 LLaVA-OneVision 的原始许可。

## 原始核验来源 (Sources)

- [Hugging Face InternRobotics/RoboInter-VLM](https://huggingface.co/InternRobotics/RoboInter-VLM)