Foundry-VLA-1.7B-full

TRI-ML 在 Hugging Face 发布的机器人模型，架构为 Diffusion Policy (CNN / Transformer UNet)，参数规模 1.7B。

模型TRI-MLFoundry-VLA-1.7B-full

模型档案汇总架构、许可、适配机型与资料来源

Foundry-VLA-1.7B-full

TRI-ML 在 Hugging Face 发布的机器人模型，架构为 Diffusion Policy (CNN / Transformer UNet)，参数规模 1.7B。

具身模型
端侧部署

VLA研究1.7B更新于 6 个月前

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。

Foundry-VLA-1.7B-full 是 VLA Foundry collection 中的 1.7B 参数视觉-语言-动作模型，面向双臂机器人操作。模型使用 20 维相对动作空间，覆盖双臂 xyz、6D rotation 和 gripper，并使用 4 路相机视角，包括 2 个场景视角和 2 个腕部视角。

其架构由 Foundry-VLM-1.3B 视觉语言骨干与 flow-matching diffusion action head 组成，动作头条件化在最后 4 层，包含 24 层、1024 hidden dim、16 heads。训练数据为来自仿真和真实世界双臂操作任务的 102M samples，并标注使用了 resample；VLM backbone 写为 Foundry-VLM-1.3B-200M。

评测给出了 16 个 seen tasks 和 3 个 unseen tasks 上的成功率，每个任务 200 次 rollout。在 CS simulator 上 seen 为 54.0%、unseen 为 4.7%；在 OSS simulator 上 seen 为 34.1%、unseen 为 7.5%。项目还提供 project page、论文、代码仓库和 collection 链接。

资料出处 Hugging Face TRI-ML/Foundry-VLA-1.7B-full

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: 1.7B
Hub 下载量: 25; 出处Hugging Face
Hub 点赞: 0; 出处Hugging Face

网络架构: Diffusion Policy (CNN / Transformer UNet)
动作空间表示: 连续扩散去噪轨迹 (Diffusion Action Trajectory)
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

apache-2.0

权重许可证

apache-2.0

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 TRI-ML/Foundry-VLA-1.7B-full --local-dir ./checkpoints/tri-ml-foundry-vla-1-7b-full

# 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=TRI-ML/Foundry-VLA-1.7B-full