openvla-franka

ElJonas02 在 Hugging Face 发布的机器人模型，架构为 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模 7.5B。

模型ElJonas02openvla-franka

模型档案汇总架构、许可、适配机型与资料来源

openvla-franka

ElJonas02 在 Hugging Face 发布的机器人模型，架构为 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模 7.5B。

具身模型
端侧部署

VLA研究7.5B更新于 1 个月前

Hugging Face

概述

这个模型的核心架构、动作空间设计与真机部署定位。

ElJonas02 在 Hugging Face 发布的机器人模型，架构为 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模 7.5B。

已核实字段：参数规模 7.5B；架构 OpenVLA (Prismatic VLM 7B + Action Tokenizer)；动作表示离散动作 Token (Autoregressive Action Tokens)。

资料出处 Hugging Face ElJonas02/openvla-franka

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: 7.5B
Hub 下载量: 69; 出处Hugging Face
Hub 点赞: 1; 出处Hugging Face

网络架构: OpenVLA (Prismatic VLM 7B + Action Tokenizer)
动作空间表示: 离散动作 Token (Autoregressive Action Tokens)
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. 使用 Transformers 加载 OpenVLA 视觉语言动作模型
from transformers import AutoModelForVision2Seq, AutoProcessor
import torch

processor = AutoProcessor.from_pretrained("ElJonas02/openvla-franka", trust_remote_code=True)
vla = AutoModelForVision2Seq.from_pretrained("ElJonas02/openvla-franka", torch_dtype=torch.bfloat16, low_cpu_mem_usage=True, trust_remote_code=True).to("cuda:0")
# 2. 输入相机图像与自然语言指令预测 7-DoF 动作增量
inputs = processor("In: What action should the robot take to pick up the object?\nOut:", image).to("cuda:0", dtype=torch.bfloat16)
action = vla.predict_action(**inputs, unnorm_key="bridge_orig", do_sample=False)

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。

机型关联记录 1

适配机型	实测说明与帧率表现	记录日期
Franka FR3	模型 openvla-franka（架构：OpenVLA (Prismatic VLM 7B + Action Tokenizer)，输出：离散动作 Token (Autoregressive Action Tokens)）基于 Franka FR3 相关轨迹或任务环境训练/微调，可通过 Hugging Face 权重直接部署验证。	2026-09-20