# Pelican1.0-VL-7B

> 权威词条地址：https://robotics.hellobike.com/models/x-humanoid-pelican1-0-vl-7b
> 所属分类：models | 最近核验日期：2026-02-02 | 技术层级：L7

## 核心摘要

X-Humanoid 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5_VLForConditionalGeneration，参数规模 8.3B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/X-Humanoid/Pelican1.0-VL-7B"}] |
| `updated` | 2026-02-02 |
| `family` | other |
| `params` | 8.3B |
| `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` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | X-Humanoid/Pelican1.0-VL-7B |
| `hub_stats` | {"downloads": 34, "likes": 10, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/X-Humanoid/Pelican1.0-VL-7B"] |

## 技术详解与生态说明

Pelican-VL 1.0 是 X-Humanoid 发布的开源具身多模态脑模型家族，参数规模覆盖 7B 到 72B；该仓库对应 Pelican1.0-VL-7B 权重。模型面向视觉与文本输入，强调物理推理、空间关系理解、功能预测以及连续时序理解，可在厨房、超市等封闭环境中根据场景规划拾取或放置动作。

其训练数据包含大量图像、视频与跨模态标注，并包含数万小时视频和动态场景问答；通过 DPPO 循环训练实现自我纠错与迭代学习。文中描述的机器人任务包括物体抓取、导航、协同操作和人机交互，模型可生成较细的动作序列并评估步骤可行性。

快速开始部分提供基于 Swift 框架的 LoRA 微调脚本和具身样例，示例数据为 JSON 文件，来自 Hugging Face 上的 Cosmos Reasoning SFT Data、Robopoint GQA Data 与 VSI-Bench ScanNetpp Data。训练后可用生成的 adapters checkpoint 进行推理。

## 原始核验来源 (Sources)

- [Hugging Face X-Humanoid/Pelican1.0-VL-7B](https://huggingface.co/X-Humanoid/Pelican1.0-VL-7B)