外观
Skip to content
nora-long
nora-long
declare-lab 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5_VLForConditionalGeneration，参数规模 3.8B。
模型declare-labnora-long
模型档案汇总架构、许可、适配机型与资料来源
nora-long
declare-lab 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5_VLForConditionalGeneration，参数规模 3.8B。
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-Long 是一个开放的视觉-语言-动作模型，面向机器人操作场景。它以语言指令和机器人工作空间的相机图像为输入，生成机器人动作；动作形式为归一化的 7-DoF 末端执行器增量，包括 x、y、z、roll、pitch、yaw 和 gripper。
该模型直接从 Qwen 2.5 VL-3B 训练而来，训练数据为 Open X-Embodiment 数据集中的机器人操作 episodes。与 Nora 不同，Nora-Long 预训练时使用 action horizon 5。作者观察到它在 WidowX 机器人任务上表现更差，但在 LIBERO 仿真中表现更好，并建议可继续微调。
实际部署到机器人平台时，模型输出的归一化动作需要依据每个机器人、每个数据集统计得到的数据进行反归一化。Nora 的检查点和训练代码以 MIT License 发布，运行说明指向 declare-lab/nora 代码仓库。
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
- 3.8B
- 网络架构
- Qwen2_5_VLForConditionalGeneration
- 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
Apache-2.0
权重许可证
Apache-2.0
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-long --local-dir ./checkpoints/declare-lab-nora-long
# 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-long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-long访问 2026-10-21