openvla-7b-rlvla-sft_16k

gen-robot 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gen-robotopenvla-7b-rlvla-sft_16k

模型档案汇总架构、许可、适配机型与资料来源

openvla-7b-rlvla-sft_16k

gen-robot 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 2025-06-14

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。

openvla-7b-rlvla-sft_16k（Hugging Face 仓库标识：gen-robot/openvla-7b-rlvla-sft_16k）是面向机器人操作与具身控制的开源模型，主干架构采用 OpenVLA (Prismatic VLM 7B + Action Tokenizer)，参数规模为 7.5B，权重许可协议为 mit。gen-robot 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。

在训练与部署配置上，该模型属于 vla 家族，覆盖 L7, L8 技术栈，支持多视角相机图像、语言指令与机器人本体状态输入并输出连续或离散动作序列（社区累计下载 1809 次、点赞 0 次）。开发者在复现或真机迁移时，需对齐动作空间归一化统计量（mean/std）、控制频率及末端执行器坐标系定义。

资料出处 Hugging Face gen-robot/openvla-7b-rlvla-sft_16k

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: 1.8k; 出处Hugging Face
Hub 点赞: 0; 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

mit

权重许可证

mit

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("gen-robot/openvla-7b-rlvla-sft_16k", trust_remote_code=True)
vla = AutoModelForVision2Seq.from_pretrained("gen-robot/openvla-7b-rlvla-sft_16k", 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)