openvla-7b-oft-finetuned-libero-spatial-object-goal-10

moojink 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moojinkopenvla-7b-oft-finetuned-libero-spatial-object-goal-10

模型档案汇总架构、许可、适配机型与资料来源

openvla-7b-oft-finetuned-libero-spatial-object-goal-10

moojink 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 2025-06-17

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。

这是一个 OpenVLA-OFT 检查点，面向视觉-语言-动作模型的动作生成使用场景。该检查点对应 Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success，并提供项目页、代码仓库和其他 OpenVLA-OFT 检查点入口。

模型在 4 个 LIBERO 任务套件组合上训练，包括 -Spatial、-Object、-Goal、-Long。其基础是 OpenVLA，OpenVLA-OFT 通过优化的微调技术相对基础 OpenVLA 进行改进。

快速开始示例展示了如何使用预训练 OpenVLA-OFT 检查点生成一个 action chunk；使用前需要按 GitHub README 配置 conda 环境。

资料出处 Hugging Face moojink/openvla-7b-oft-finetuned-libero-spatial-object-goal-10

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: 4.2k; 出处Hugging Face
Hub 点赞: 10; 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("moojink/openvla-7b-oft-finetuned-libero-spatial-object-goal-10", trust_remote_code=True)
vla = AutoModelForVision2Seq.from_pretrained("moojink/openvla-7b-oft-finetuned-libero-spatial-object-goal-10", 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)