# LIBERO-Long-Pro

> 权威词条地址：https://robotics.hellobike.com/models/vla-adapter-libero-long-pro
> 所属分类：models | 最近核验日期：2025-09-21 | 技术层级：L7, L8

## 核心摘要

VLA-Adapter 在 Hugging Face 发布的机器人模型，架构为 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模 1.3B。

## 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/VLA-Adapter/LIBERO-Long-Pro"}] |
| `updated` | 2025-09-21 |
| `family` | vla |
| `params` | 1.3B |
| `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` | VLA-Adapter/LIBERO-Long-Pro |
| `hub_stats` | {"downloads": 119, "likes": 5, "as_of": "2026-10-13"} |
| `overview_sources` | ["https://huggingface.co/VLA-Adapter/LIBERO-Long-Pro"] |

## 技术详解与生态说明

VLA-Adapter Libero-Long-Pro 属于 VLA-Adapter 系列，是在 Libero-Long 上训练的微型视觉-语言-动作模型。模型输入图像和文本，输出动作用于机器人控制；其 VLM 遵循 Prismatic-VLM 架构，LLM 骨干为 Qwen2.5-0.5B。

模型由接收和处理图文信息的 VLM 与生成动作的 policy 组成，并使用 Bridge Attention 将 VLM 产生的条件信息与 policy 中的初始动作信息融合。该模型在 LIBERO 与 CALVIN 基准上给出成功率对比，其中 VLA-Adapter-Pro 为 0.5B 规模，在 LIBERO Long 上为 96.4，在 CALVIN 上平均长度为 4.50。

## 原始核验来源 (Sources)

- [Hugging Face VLA-Adapter/LIBERO-Long-Pro](https://huggingface.co/VLA-Adapter/LIBERO-Long-Pro)