# univla-7b

> 权威词条地址：https://robotics.hellobike.com/models/qwbu-univla-7b
> 所属分类：models | 最近核验日期：2025-08-02 | 技术层级：L7, L8

## 核心摘要

qwbu 在 Hugging Face 发布的机器人模型，架构为 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模 7.5B。

## 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/qwbu/univla-7b"}] |
| `updated` | 2025-08-02 |
| `family` | vla |
| `params` | 7.5B |
| `architecture` | OpenVLA (Prismatic VLM 7B + Action Tokenizer) |
| `action_representation` | 离散动作 Token (Autoregressive Action Tokens) |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | qwbu/univla-7b |
| `hub_stats` | {"downloads": 81, "likes": 10, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/qwbu/univla-7b"] |

## 技术详解与生态说明

UniVLA 是 RSS 2025 工作“Learning to Act Anywhere with Task-centric Latent Actions”的官方 checkpoint，目标是通过统一、与具体 embodiment 无关的动作空间进行规划，作为面向通用策略的 VLA 方法。其核心思路包括从跨 embodiment 视频中提取以任务为中心的 latent actions。

该 checkpoint 使用完整数据集合预训练，数据来源写为 OpenX + Ego4D。项目声称该 VLA 在多个 benchmark 上取得 state-of-the-art 结果，并采用 compute-efficient training。若要在仿真 benchmark 或自定义数据集上微调，需要使用官方代码仓库。

## 原始核验来源 (Sources)

- [Hugging Face qwbu/univla-7b](https://huggingface.co/qwbu/univla-7b)