# SpaceQwen2.5-VL-3B-Instruct

> 权威词条地址：https://robotics.hellobike.com/models/remyxai-spaceqwen2-5-vl-3b-instruct
> 所属分类：models | 最近核验日期：2025-06-28 | 技术层级：L7

## 核心摘要

remyxai 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5_VLForConditionalGeneration，参数规模 3.8B，训练数据包含 remyxai/OpenSpaces。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/remyxai/SpaceQwen2.5-VL-3B-Instruct"}] |
| `updated` | 2025-06-28 |
| `family` | other |
| `params` | 3.8B |
| `architecture` | Qwen2_5_VLForConditionalGeneration |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | Apache-2.0 |
| `weights_license` | Apache-2.0 |
| `data_formats` | ["GGUF"] |
| `pretraining_data` | ["remyxai/OpenSpaces"] |
| `status` | research |
| `hub_id` | remyxai/SpaceQwen2.5-VL-3B-Instruct |
| `hub_stats` | {"downloads": 504, "likes": 18, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/remyxai/SpaceQwen2.5-VL-3B-Instruct"] |

## 技术详解与生态说明

SpaceQwen2.5-VL-3B-Instruct 是一个多模态视觉语言模型，架构为 Qwen2.5-VL-3B-Instruct，模型大小为 3.75B 参数（FP16）。它面向空间推理能力增强，相关工作出现在 OmniSpatial 论文中，并以 Apache-2.0 许可发布。

该模型从 Qwen/Qwen2.5-VL-3B-Instruct 通过 LoRA 微调而来，训练使用 OpenSpaces 数据集，包含约 10k 条合成空间推理轨迹，格式为 RGB 图像、问题和答案。问题类型覆盖距离、上下、左侧、包含、最近对象等空间关系。

模型可通过 Ollama、Transformers，以及 GGUF 形式结合 llama.cpp 运行；LoRA SFT 脚本可在 trl 获取。评估涉及 SpatialScore、OmniSpatial、SpaCE-10、SIRI-Bench 和 MindCube 等空间推理基准。局限包括在杂乱环境或特定相机视角下性能可能下降，且不适用于安全关键或法律决策场景。

## 原始核验来源 (Sources)

- [Hugging Face remyxai/SpaceQwen2.5-VL-3B-Instruct](https://huggingface.co/remyxai/SpaceQwen2.5-VL-3B-Instruct)