# evo1_libero

> 权威词条地址：https://robotics.hellobike.com/models/zuoxingdong-evo1-libero
> 所属分类：models | 最近核验日期：2026-07-20 | 技术层级：L7, L8

## 核心摘要

zuoxingdong 在 Hugging Face 发布的机器人模型，架构为 Transformer (OpenGVLab/InternVL3-1B-hf)，参数规模 776M，训练数据包含 lerobot/libero。

## 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/zuoxingdong/evo1_libero"}] |
| `updated` | 2026-07-20 |
| `family` | policy |
| `params` | 776M |
| `architecture` | Transformer (OpenGVLab/InternVL3-1B-hf) |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | other |
| `weights_license` | other |
| `data_formats` | ["LeRobot"] |
| `pretraining_data` | ["lerobot/libero"] |
| `status` | research |
| `hub_id` | zuoxingdong/evo1_libero |
| `hub_stats` | {"downloads": 5822, "likes": 0, "as_of": "2026-10-27"} |
| `overview_sources` | ["https://huggingface.co/zuoxingdong/evo1_libero"] |

## 技术详解与生态说明

EVO1 · LIBERO 是一个 EVO1 视觉-语言-动作检查点，基于 OpenGVLab/InternVL3-1B-hf 作为 Base VLM，并在 lerobot/libero 的四个 LIBERO suite 上训练。训练采用两阶段 LeRobot recipe：先进行 5k steps 的 action-head-only 训练，再进行 VLM 与 action head 的联合微调；该发布版本是 Stage 2 80k 计划中的第 70,000 步检查点。

评估使用 LeRobot LIBERO，seed 为 1000，每个任务 50 episodes、每个 suite 10 个任务，14-action replanning，448×448 观测，共 2,000 episodes。四个 suite 的成功率分别为 LIBERO Spatial 97.0%、LIBERO Object 99.2%、LIBERO Goal 96.6%、LIBERO-10 93.8%，总体为 96.65%。

使用时需要安装带 EVO1 和 LIBERO 依赖的 LeRobot，并按不同 suite 设置 episode length。局限包括评估仅为单 seed，结果依赖 14-action replanning 和文档中的 LIBERO gripper postprocessing；加载策略时如果未缓存会下载 OpenGVLab/InternVL3-1B-hf。模型发布 license 为 other，EVO1 代码为 MIT，InternVL3 为 MIT，Qwen 语言组件受 Qwen License 覆盖，lerobot/libero 数据集为 Apache-2.0。

## 原始核验来源 (Sources)

- [Hugging Face zuoxingdong/evo1_libero](https://huggingface.co/zuoxingdong/evo1_libero)