# RoboOmni-LIBERO-Spatial

> 权威词条地址：https://robotics.hellobike.com/models/openmoss-team-roboomni-libero-spatial
> 所属分类：models | 最近核验日期：2025-10-31 | 技术层级：L7

## 核心摘要

OpenMOSS-Team 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5OmniThinkerForConditionalGeneration，参数规模 4.7B，训练数据包含 fnlp/OmniAction-LIBERO。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/OpenMOSS-Team/RoboOmni-LIBERO-Spatial"}] |
| `updated` | 2025-10-31 |
| `family` | other |
| `params` | 4.7B |
| `architecture` | Qwen2_5OmniThinkerForConditionalGeneration |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | cc-by-nc-4.0 |
| `weights_license` | cc-by-nc-4.0 |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["fnlp/OmniAction-LIBERO"] |
| `status` | research |
| `hub_id` | OpenMOSS-Team/RoboOmni-LIBERO-Spatial |
| `hub_stats` | {"downloads": 25, "likes": 3, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/OpenMOSS-Team/RoboOmni-LIBERO-Spatial"] |

## 技术详解与生态说明

RoboOmni 面向机器人操作中的主动意图推断，针对依赖显式指令的 VLA 方法，提出从语音对话、环境声音和视觉线索中获得跨模态上下文指令的设置。其目标是在没有直接命令时识别用户意图，并支持机器人进行主动协作。

模型采用 Perceiver-Thinker-Talker-Executor 框架，基于端到端 omni-modal LLM，将视觉、语音和环境声音统一到机器人动作执行流程中，覆盖意图识别、交互确认和动作执行。为训练主动意图识别，构建了 OmniAction，包含 140k episodes、5k+ speakers、2.4k event sounds、640 backgrounds 和 6 类上下文指令。实验在仿真和真实环境中进行，报告其在成功率、推理速度、意图识别和主动辅助方面超过 text- 和 ASR-based baselines。

## 原始核验来源 (Sources)

- [Hugging Face OpenMOSS-Team/RoboOmni-LIBERO-Spatial](https://huggingface.co/OpenMOSS-Team/RoboOmni-LIBERO-Spatial)