MolmoAct2 是一个用于机器人控制的开放视觉-语言-动作模型，可根据视觉观测和语言指令生成机器人动作。该检查点是后训练的多具身版本，定位为进一步面向目标机器人具身或基准进行微调的基础检查点，而不是面向单一部署场景的即用策略。

模型构建在 Molmo2-ER 具身推理 VLM 骨干之上，将自回归 VLM 通过逐层 KV conditioning 连接到 flow-matching 连续动作专家。检查点包含 VLM 与连续动作专家权重，并提供 post-training mixture 的归一化元数据 norm_stats.json。

该模型卡不包含直接策略推理代码；即用推理示例需使用相应微调检查点，如 MolmoAct2-LIBERO、MolmoAct2-DROID、MolmoAct2-BimanualYAM 或 MolmoAct2-SO100_101。部署到物理机器人前需要验证输出，并结合动作边界、控制器限制、任务安全约束、急停与人工监督等措施。