Qwen3-VL-4B-Instruct-Action 是一个面向 StarVLA 动作离散化流程的初始化模型，不是已经训练好的机器人策略。它基于 Qwen/Qwen3-VL-4B-Instruct，采用 Qwen3VLForConditionalGeneration，并在 tokenizer 与文本词表中扩展了 2,048 个动作 token。输入保持与基础 Qwen3-VL 相同的文本、图像和视频形式，输出为扩展词表上的语言模型 logits。

该仓库没有报告额外的 VLM 或机器人策略微调；除为新 token 调整 embedding/输出词表外，保留原有 Qwen3-VL 参数。因此新增动作 token 的 embedding 应被视为初始化，而不是已经学到的动作语义。仓库也没有关联机器人 benchmark 结果，不包含机器人 action head 或 robot checkpoint。

使用时需要从同一仓库加载模型和 tokenizer。下游训练必须自行定义动作量化或 codebook，将连续机器人动作映射到这 2,048 个 token 索引。仓库不定义归一化、动作维度、动作 horizon、机器人本体、数据集、控制器或评测协议；token ID 也具有仓库特异性，混用未扩展基础模型或其他动作 token checkpoint 可能破坏解码。