# xvla-base

> 权威词条地址：https://robotics.hellobike.com/models/lerobot-xvla-base
> 所属分类：models | 最近核验日期：2026-03-02 | 技术层级：L7, L8

## 核心摘要

lerobot 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。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/lerobot/xvla-base"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/lerobot/xvla-base"}] |
| `updated` | 2026-03-02 |
| `vendor` | hugging-face |
| `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"] |
| `status` | research |
| `hub_id` | lerobot/xvla-base |
| `hub_stats` | {"downloads": 6421, "likes": 25, "as_of": "2026-10-21"} |

## 技术详解与生态说明

X-VLA 是一个 Vision-Language-Action 基础模型，面向跨本体、跨领域的机器人控制。它使用软提示在统一的 Transformer 架构中处理不同机器人形态和任务域，输入包括多视角图像、本体感知/状态，以及可选的语言指令，输出为连续动作。

该模型的训练目标是 flow matching，动作表示为连续形式。仓库中的 LeRobot 实现遵循原始参考代码以保持兼容，定位是作为基础模型，供开发者针对具体使用场景进行微调。

使用方式上，可加载模型和数据批次后调用 select_action 做推理；训练或微调时通常调用 forward 得到 loss 并反向传播，也可通过 lerobot-train 进行完整训练流程。真实世界推理与评估可使用 lerobot-record，并以策略 checkpoint 作为输入记录评估 episode。

## 原始核验来源 (Sources)

- [Hugging Face lerobot/xvla-base](https://huggingface.co/lerobot/xvla-base)