# VLAC

> 权威词条地址：https://robotics.hellobike.com/models/internrobotics-vlac
> 所属分类：models | 最近核验日期：2026-07-13 | 技术层级：L7

## 核心摘要

InternRobotics 在 Hugging Face 发布的机器人模型，架构为 InternVLChatModel，参数规模 2.2B。

## 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/VLAC"}] |
| `updated` | 2026-07-13 |
| `family` | other |
| `params` | 2.2B |
| `architecture` | InternVLChatModel |
| `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/VLAC |
| `hub_stats` | {"downloads": 99, "likes": 44, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/InternRobotics/VLAC"] |

## 技术详解与生态说明

VLAC 是面向真实机器人强化学习与数据精炼的通用 pair-wise critic 与操作模型，可基于图像和任务描述进行任务进度预测与任务完成验证，也具备 VLA 形式的具身动作输出能力。仓库提供 VLAC-2B，并指向可用的 VLAC-8B 模型与在线 Demo。 

模型采用 pair-wise comparison 机制，将视频数据处理为任意两帧之间的成对样本，用于学习任务进度差异，并结合任务描述和完成度评估。训练数据包括 3000h+ 人类第一视角数据、1200h+ 公开机器人操作数据、15h+ 自采集操作数据，以及多种图像理解数据。 

VLAC 可用于过程跟踪、完成判断、任务描述估计、视觉问答、动作生成和轨迹质量筛选；它可根据 VOC 值和负向 pair-wise 分数过滤低质量轨迹或动作，为真实强化学习提供密集奖励反馈，并辅助模仿学习数据精炼。安装环境要求包括 Python >=3.9、Torch >=2.0、Transformers >=4.51、PEFT >=0.15.2 等。

## 原始核验来源 (Sources)

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