SimVLA（LIBERO Edition）是面向机器人操作的 Vision-Language-Action 模型基线，目标是在 VLA 研究中提供一个更透明、可复现的参考点，用于减少不同训练配方和实现细节对经验结果归因的干扰。

该模型采用严格解耦感知与控制的设计：使用标准视觉语言骨干网络，并接入轻量级动作头，同时标准化关键训练动态。其参数量为 0.5B，并明确强调没有使用机器人预训练。

在验证结果上，SimVLA 被描述为在标准仿真基准上优于多十亿参数模型，并在真实机器人性能上达到与 π0.5 相当的水平。项目还提供了论文引用信息和项目网站。