外观
Skip to content
smolvla_basehugging-face/lerobot-smolvla-base22 天前openvla-7bopenvla/openvla-7b8 个月前
GR00T-N1.7-3Bnvidia/gr00t-n1-7-3b6 个月前smolvla_liberoHuggingFaceVLA/smolvla_libero2025-09-17pi05_libero_finetuned_v044hugging-face/lerobot-pi05-libero-finetuned-v04422 天前smolvla_liberohugging-face/lerobot-smolvla-libero16 天前
概述
这个模型的核心架构、动作空间设计与真机部署定位。
该模型属于VLA（视觉-语言-动作）家族，采用多模态视觉语言主干+连续动作块预测头架构，参数规模为93M，输入支持视觉、语言模态，动作空间输出采用扩散表征，控制频率为25Hz，是面向机器人具身控制的视觉语言动作通用模型。
该模型基于Open X-Embodiment（OXE）数据集完成预训练，支持LeRobot Parquet、RLDS（TFRecord）、HDF5三种数据格式，代码与权重均遵循开源协议开放，代码采用Apache-2.0许可，权重支持Apache-2.0与MIT双许可，可供科研场景下的具身智能相关研究与二次开发使用。
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
- 93M
- 微调显存需求
- 16GB
- 闭环控制频率
- 25Hz
- 网络架构
- 多模态视觉语言主干 (VLM) + 连续动作块预测头 (Action Chunking Head)
- 动作空间表示
- diffusion
- 支持数据格式
- LeRobot ParquetRLDS (TFRecord)HDF5
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 / MIT
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 embodied-ai/octo --local-dir ./checkpoints/octo
# 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=embodied-ai/octo相关文章与评测 3
预训练与微调基准数据集：Open X-Embodiment (OXE)
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 2
| 适配机型 | 实测说明与帧率表现 | 记录日期 |
|---|---|---|
| Franka FR3 | UC Berkeley Octo 扩散策略基础模型，原生支持 Franka 机械臂双视角相机与本体状态输入。 | 2026-10-21 |
| Universal Robots UR5e | Octo 支持通过 JAX/ROS 推理节点驱动 UR5e 6DoF 协作机械臂。 | 2026-10-21 |
同家族模型
同一家族里的热门模型。
smolvla_basehugging-face/lerobot-smolvla-base22 天前openvla-7bopenvla/openvla-7b8 个月前GR00T-N1.7-3Bnvidia/gr00t-n1-7-3b6 个月前smolvla_liberoHuggingFaceVLA/smolvla_libero2025-09-17pi05_libero_finetuned_v044hugging-face/lerobot-pi05-libero-finetuned-v04422 天前smolvla_liberohugging-face/lerobot-smolvla-libero16 天前来源
本页事实对应的公开页面，以原文为准。
- VLA Models Comparison访问 2026-10-10