新闻/雷峰网·今天

逐际动力开源FluxVLA Engine：Orin端侧推理提速2倍并集成在线RL

逐际动力开源具身智能工程底座FluxVLA Engine，通过CUDA Graph与RTC机制将GR00T在AGX Orin上推理频率从3.2Hz提升至7.4Hz。系统集成在线强化学习后训练，使SmolVLA任务成功率提升10至15个百分点，打通真机交互数据回流闭环。

AI 整理

• 本体 SDK 与控制
• 仿真与训练
• 端侧部署

本文由 AI 根据公开内容整理，可能有误，请以原文为准：具身智能军备竞赛，胜负手在工程生态（雷峰网）

核心内容

逐际动力发布开源工程底座FluxVLA Engine技术报告，旨在解决具身智能研发中模型迭代快但工程积累难复用的痛点。该系统并非单一VLA模型，而是贯通数据、训练、评测与部署的统一框架，支持OpenVLA、π0.5、GR00T及纯API策略接入。针对真机部署鸿沟，系统通过执行图录制、实时分块衔接及轨迹后处理三层机制，显著提升了边缘端推理效率与动作连续性，并引入在线强化学习模块实现交互经验自动回流。

在端侧性能优化方面，FluxVLA利用CUDA Graph和算子融合技术，在不改变权重的前提下将NVIDIA AGX Orin 64GB上的GR00T推理频率从3.2Hz提升至7.4Hz，π0.5从1.4Hz升至4.4Hz，且输出余弦相似度超0.99999。系统采用RTC机制解决时序错位，并提供延迟1.17ms或4.9ms两种轨迹后处理后端以适配不同运动学约束。此外，通过与RLinf对接实现在线RL后训练，SmolVLA在LIBERO-10和RoboTwin Clean任务上成功率分别提升10%和15.4%，验证了执行-采集-优化闭环的有效性。

关键看点

• 端侧推理加速：基于CUDA Graph与算子融合，GR00T在AGX Orin上推理频率由3.2Hz升至7.4Hz，数值对齐测试余弦相似度超0.99999
• 时序衔接机制：采用RTC实时分块技术，将未执行完的动作序列作为下一次预测前缀条件，消除动作跳变与关节抖动
• 在线强化学习：对接RLinf系统实现无侵入式后训练，SmolVLA在LIBERO-10任务成功率从66.2%提升至76.2%
• 多架构兼容：统一配置与组件注册机制，支持OpenVLA、π0.5、GR00T及GPT-6 Astra等纯API策略在同一管线评测

工程与产业观察

FluxVLA Engine标志着具身智能研发重心从单纯追求模型指标转向构建标准化工程基础设施。其通过CUDA Graph实现的端侧2倍以上推理提速及RTC时序对齐方案，为VLA模型在人形机器人等高频控制场景落地提供了可复用的工程范式。同时，在线RL接口的解耦设计证明了“执行-数据-训练”闭环的可行性，有助于降低真机调试成本并加速策略泛化能力迭代。

来源

本页事实对应的公开页面，以原文为准。

1. 雷峰网：具身智能军备竞赛，胜负手在工程生态访问 2026-10-28