# openvla-v01-7b

> 权威词条地址：https://robotics.hellobike.com/models/openvla-openvla-v01-7b
> 所属分类：models | 最近核验日期：2024-06-14 | 技术层级：L7, L8

## 核心摘要

openvla 在 Hugging Face 发布的机器人模型，架构为 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模 7.2B。

## 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/openvla/openvla-v01-7b"}] |
| `updated` | 2024-06-14 |
| `family` | vla |
| `params` | 7.2B |
| `architecture` | OpenVLA (Prismatic VLM 7B + Action Tokenizer) |
| `action_representation` | 离散动作 Token (Autoregressive Action Tokens) |
| `code_license` | mit |
| `weights_license` | mit |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | openvla/openvla-v01-7b |
| `hub_stats` | {"downloads": 139, "likes": 11, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/openvla/openvla-v01-7b"] |

## 技术详解与生态说明

OpenVLA v0.1 7B 是一个开放的视觉-语言-动作模型，输入语言指令和机器人工作空间的相机图像，输出归一化的机器人动作。动作形式为 7-DoF 末端执行器增量，包括 x、y、z、roll、pitch、yaw 和 gripper。该版本是早期开发用模型，项目同时提示最佳模型为 openvla/openvla-7b。

模型基于 siglip-224px 微调，后者由 SigLIP ViT-So400M/14 视觉骨干和 Vicuña v1.5 语言模型组成。训练数据为 Open X-Embodiment 数据集中的 800K 机器人操作 episode，使用与 Octo 相同的混合数据。

它可在预训练混合中出现过的机器人形态与领域组合上进行零样本控制，例如 BridgeV2 环境中的 Widow-X 机器人；对新的任务和机器人设置，可用少量示教数据进行参数高效微调。实际执行时，预测动作需要按每个机器人、每个数据集统计量反归一化。模型和训练代码以 MIT 许可证发布。

## 原始核验来源 (Sources)

- [Hugging Face openvla/openvla-v01-7b](https://huggingface.co/openvla/openvla-v01-7b)