# RoboInter-VLM_llavaov_7B

> 权威词条地址：https://robotics.hellobike.com/models/internrobotics-robointer-vlm-llavaov-7b
> 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 LlavaQwenForCausalLM，参数规模 8B。

## 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_llavaov_7B"}] |
| `updated` | 2026-02-14 |
| `family` | other |
| `params` | 8B |
| `architecture` | LlavaQwenForCausalLM |
| `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_llavaov_7B |
| `hub_stats` | {"downloads": 27, "likes": 3, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/InternRobotics/RoboInter-VLM_llavaov_7B"] |

## 技术详解与生态说明

RoboInter-VLM_llavaov_7B 是 RoboInter 项目的一组视觉语言模型检查点，用于 RoboInter Manipulation Suite。该版本基于 LLaVA-OneVision-Qwen2-7B，架构为 LLaVA-OneVision，约 7B 参数，并带有 SigLIP 视觉编码器；检查点以 safetensors 格式、bfloat16 精度存储。

模型在 RoboInter-VQA 数据集上微调，面向机器人操作中的中间表示理解与生成。训练任务包括通用 VQA，以及生成轨迹路点、夹爪框、接触点/框、物体当前与最终框等；也包括关于接触状态、抓取姿态、物体定位、轨迹选择和运动方向的多选视觉推理，以及下一步预测、动作原语识别、成功判定等高层任务规划。

加载和推理需要参考 RoboInterVLM-LLaVAOV 代码库，因为该检查点需要自定义模型类；完整训练和评测流程也指向该代码库。许可方面需参考 RoboInter、Qwen2.5-VL 和 LLaVA-OneVision 的原始许可。

## 原始核验来源 (Sources)

- [Hugging Face InternRobotics/RoboInter-VLM_llavaov_7B](https://huggingface.co/InternRobotics/RoboInter-VLM_llavaov_7B)