# OpenVLA

> 权威词条地址：https://robotics.hellobike.com/models/openvla
> 所属分类：models | 最近核验日期：2026-10-10 | 技术层级：L7

## 核心摘要

7B 视觉—语言—动作模型，以 Open X-Embodiment 中 970k 条机器人轨迹预训练。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `updated` | 2026-10-10 |
| `family` | vla |
| `params` | 7B |
| `architecture` | SigLIP+DINOv2 视觉编码 → Llama 2 7B，离散动作 token（每维 256 bins） |
| `action_representation` | discrete_tokens |
| `code_license` | MIT |
| `weights_license` | 继承 Llama 2 Community License |
| `finetune_vram_gb` | 72 |
| `data_formats` | ["RLDS"] |
| `pretraining_data` | ["open-x-embodiment"] |
| `control_hz` | 10 |
| `status` | research |
| `overview_sources` | ["https://openvla.github.io/", "https://www.physicalaifield.com/blog/open-robot-foundation-models-compared/"] |

## 技术详解与生态说明

该模型属于VLA（视觉-语言-动作）家族，主干采用SigLIP与DINOv2作为视觉编码器、Llama 2 7B作为核心推理架构，参数量为7B，输入模态覆盖视觉、语言信号，动作空间以离散动作token表示，每维度含256个bins，控制频率为10Hz。

其基于Open X-Embodiment数据集的970k条机器人轨迹完成预训练，支持RLDS数据格式，代码采用MIT开源协议发布，模型权重继承Llama 2 Community License许可，当前处于研究阶段，可用于机器人具身控制相关的技术探索与落地适配。

## 原始核验来源 (Sources)

- [OpenVLA](https://openvla.github.io/)
- [Open Robot Foundation Models Compared](https://www.physicalaifield.com/blog/open-robot-foundation-models-compared/)