Muse-Robotics-1.1 是面向语言条件操作的 Muse-Robotics-1 多语言长时微调版本。策略在每个控制步输入两个 224×224 RGB 相机视角、低维本体状态和自然语言指令，输出 16 步动作块；动作是覆盖位置、旋转和夹爪的 7 维 delta 命令，并在推理时使用内嵌统计量反归一化到机器人原生空间。

模型约 1.2 亿参数，端到端从 1.0 初始化继续训练，视觉、语言、融合、思考和动作生成参数联合更新。架构包含共享小型 ViT 视觉编码器、8192 词表的字节级 BPE 语言编码器、12 层跨模态 perceive transformer、8 个 latent plan tokens 的 3 次迭代思考，以及基于 rectified flow 的动作生成器；训练数据为更大规模的真实机器人示教混合，并通过翻译增强支持英语、中文、西班牙语、德语、法语、日语和韩语。

发布检查点包含配置、tokenizer 和 safetensors 权重。部署路径提供 FastAPI policy，可接收 base64 图像、当前状态和指令，返回反归一化动作块；演示片段展示了模型在真实机器人留出 episodes 上运行。