# flower_vla_pret

> 权威词条地址：https://robotics.hellobike.com/models/mbreuss-flower-vla-pret
> 所属分类：models | 最近核验日期：2025-08-15 | 技术层级：L7, L8

## 核心摘要

mbreuss 在 Hugging Face 发布的机器人模型，架构为 Transformer (mbreuss/flower_vla_pret)。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/mbreuss/flower_vla_pret"}] |
| `updated` | 2025-08-15 |
| `family` | vla |
| `params` | 1B |
| `architecture` | Transformer (mbreuss/flower_vla_pret) |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | mit |
| `weights_license` | mit |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | mbreuss/flower_vla_pret |
| `hub_stats` | {"downloads": 61, "likes": 5, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/mbreuss/flower_vla_pret"] |

## 技术详解与生态说明

FlowerVLA 是一个面向机器人操作的预训练 Vision-Language-Action Flow 模型，训练于 CALVIN ABC 数据集。该模型定位为高效的通用机器人策略，参数规模约 1B，用于根据视觉输入和语言指令生成机器人动作。

模型架构使用 Florence-2 的一半作为多模态视觉-语言编码器，并采用基于 transformer 的 flow matching 架构。输入包括静态 RGB 相机张量、夹爪 RGB 相机张量和文本语言指令；输出为表示 delta EEF actions 或 Joint State Actions 的 7/8 维动作张量。

该 checkpoint 包含论文中 SIMPLER 结果对应的权重。测试需要参考完整模型实现和说明在相应环境中运行。模型以 MIT license 发布。

## 原始核验来源 (Sources)

- [Hugging Face mbreuss/flower_vla_pret](https://huggingface.co/mbreuss/flower_vla_pret)