外观
Skip to content
nora-1.5
nora-1.5
declare-lab 在 Hugging Face 发布的机器人模型，架构为 Transformer (declare-lab/nora-long)，参数规模 3.7B，训练数据包含 TomNickson/OpenX-Embodiment。
模型declare-labnora-1.5
模型档案汇总架构、许可、适配机型与资料来源
nora-1.5
declare-lab 在 Hugging Face 发布的机器人模型，架构为 Transformer (declare-lab/nora-long)，参数规模 3.7B，训练数据包含 TomNickson/OpenX-Embodiment。
概述
这个模型的核心架构、动作空间设计与真机部署定位。
NORA-1.5 是一个 Vision-Language-Action（VLA）模型，面向机器人场景中的泛化与真实世界决策。它在 NORA foundation 之上构建，通过基于世界模型和基于动作的偏好奖励进行后训练，目标是提升指令跟随、闭环控制和真实机器人任务成功表现。
该模型强调动作偏好优化、世界模型偏好学习，以及多任务、长时程和少样本泛化能力。其可靠性在 LIBERO 和 SimplerEnv 环境中进行了展示，并标注兼容 LeRobot、LIBERO、SimplerEnv 以及自定义环境。
仓库定位为开源发布模型检查点、推理代码、训练代码、评测工具、文档和示例；待办项包括发布 NORA-1.5 推理代码、预训练与 LIBERO/SimplerEnv 等相关检查点、基于 LeRobot Dataset 的训练/微调代码，以及 SimplerEnv 评测代码。
关键参数与架构规格
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
- 参数量
- 3.7B
- 网络架构
- Transformer (declare-lab/nora-long)
- 动作空间表示
- 连续关节位置/末端位姿动作空间
- 支持数据格式
- SafeTensors
暂未公开或待收录：微调显存需求 · 闭环控制频率
快速部署与许可说明
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
mit
权重许可证
mit
权重下载与策略推理参考
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download declare-lab/nora-1.5 --local-dir ./checkpoints/declare-lab-nora-1-5
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=declare-lab/nora-1.5预训练与微调基准数据集：TomNickson/OpenX-Embodiment、jxu124/OpenX-Embodiment
关联机型
模型卡或论文声明在这些机器人上训练、微调或部署过；口径是作者声明，不是第三方复现。
没有已核实的适配记录。
同家族模型
同一家族里的热门模型。
JiRackUltra_1bCMSManhattan/JiRackUltra_1b3 天前JEV-9Bautotrust/JEV-9B17 天前RynnBrain1.1-2BAlibaba-DAMO-Academy/RynnBrain1.1-2B1 个月前JiRackPrecisionTokenizerCMSManhattan/JiRackPrecisionTokenizer1 个月前microduck-policiespollen-robotics/microduck-policies16 天前MolmoAct2-SO100_101allenai/MolmoAct2-SO100_1015 个月前
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face declare-lab/nora-1.5访问 2026-10-21