# gr00t-n1.5-libero-spatial-posttrain

> 权威词条地址：https://robotics.hellobike.com/models/youliangtan-gr00t-n1-5-libero-spatial-posttrain
> 所属分类：models | 最近核验日期：2026-05-29 | 技术层级：L7, L8

## 核心摘要

youliangtan 在 Hugging Face 发布的机器人模型，架构为 NVIDIA Isaac GR00T N1.5 (Eagle VLM + DiT Action Head)，参数规模 2.7B。

## 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/youliangtan/gr00t-n1.5-libero-spatial-posttrain"}] |
| `updated` | 2026-05-29 |
| `family` | vla |
| `params` | 2.7B |
| `architecture` | NVIDIA Isaac GR00T N1.5 (Eagle VLM + DiT Action Head) |
| `action_representation` | 连续扩散去噪轨迹 (Diffusion Action Trajectory) |
| `code_license` | Apache-2.0 |
| `weights_license` | Apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | youliangtan/gr00t-n1.5-libero-spatial-posttrain |
| `hub_stats` | {"downloads": 83, "likes": 0, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/youliangtan/gr00t-n1.5-libero-spatial-posttrain"] |

## 技术详解与生态说明

该仓库提供 Ω-QVLA 的权重；Ω-QVLA 是一种面向视觉-语言-动作（VLA）模型的免训练后训练量化框架，用于将语言主干和完整的扩散动作头统一压缩到 W4A4 精度，目标是降低大模型在设备端部署时的静态内存占用。该 checkpoint 基于 GR00T N1.5 架构。

技术配置中，模型架构为 GR00T_N1_5，主干为 Eagle（Qwen-based），动作维度为 32，动作 horizon 为 16，计算 dtype 为 bfloat16。方法包含复合 SVD-Hadamard 旋转和逐步 DiT 激活缩放，用于均衡权重能量、扩散激活异常值并处理动作头去噪步骤中的动态范围漂移。

该量化框架声称可将静态内存占用降低约 71.3%，并在 LIBERO 等基准上达到或超过 FP16 成功率。相关资源包括论文和 GitHub 代码链接。

## 原始核验来源 (Sources)

- [Hugging Face youliangtan/gr00t-n1.5-libero-spatial-posttrain](https://huggingface.co/youliangtan/gr00t-n1.5-libero-spatial-posttrain)