# xvla-widowx

> 权威词条地址：https://robotics.hellobike.com/models/lerobot-xvla-widowx
> 所属分类：models | 最近核验日期：2026-01-22 | 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-widowx"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/lerobot/xvla-widowx"}] |
| `updated` | 2026-01-22 |
| `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-widowx |
| `hub_stats` | {"downloads": 3020, "likes": 5, "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，用软提示在统一的 Transformer 架构中处理跨本体、跨领域的机器人控制。该 LeRobot 版本跟随原始参考实现以保持兼容，模型输入包括多视角图像、本体/状态信息以及可选语言指令，输出为连续动作，训练目标为 flow matching，动作表示也是连续形式。

这个检查点在 BridgeData 上微调，用于 compact WidowX platforms 上的 pick-and-place 实验，并展示了较稳健的操作能力。定位上它可作为面向具体应用继续微调的基础模型。

使用方式包括加载模型和数据集后调用 select_action 做真实 batch 推理；训练或微调时通常调用 forward(...) 得到 loss 并反向传播，也可配合 lerobot-train 使用。真实世界推理与评估可使用 lerobot-record，输入策略检查点并记录评估 episodes。

## 原始核验来源 (Sources)

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