MolmoAct 7B-D Pretrain RT-1 是 Allen Institute for AI 开发的全开源机器人操作动作推理模型，面向视觉-语言-动作场景中的空间动作推理。MolmoAct 被描述为在多个基准上具备先进性能，并支持在执行前检查其预期空间动作的可视化轨迹，以便用户审查和调整硬件行为。

该模型基于 Qwen2.5-7B，视觉骨干为 SigLip2，并使用 Molmo 的预训练方式初始化。训练数据包括 OXE 子集和 MolmoAct Dataset；后者包含单臂 Franka 机器人在家庭与桌面环境中完成 93 类操作任务的 1 万条高质量轨迹。该检查点先在 MolmoAct 预训练混合数据上预训练，再用 RT-1 数据微调，目标是复现实验中在 SimplerEnv（Google Robot）上的微调结果。

这是 MolmoAct 发布的 preview 检查点，权重以 FP32 存储；推理时可在加载时转换为 BF16。模型采用 Apache 2.0 许可，用途定位为研究与教育；使用真实机器人时需遵循硬件厂商指南，并在安全配置环境中操作。