01 · 推理资源
推理所需资源
GPU显存
权重（参数 × 精度字节数）之外还需加上激活值·KV 缓存·图像token。报告值等于 bf16 权重计算值或最多大出约 4 GB。
延迟
VLM 前向传播之后还要加上动作生成。自回归token按token数计时（π0-FAST 每个动作块约 750 ms），flow·diffusion 头按去噪步数计时（π0 10步 73 ms）。
控制频率
一次输出整个动作块再分步执行，控制频率因此高于推理频率。π0 推理 73 ms，最高 50 Hz；GR00T N1 为 120 Hz；Helix S1 为 200 Hz。
运行位置
分为机器人机载（Jetson·嵌入式GPU）、机器人旁PC（RTX 4090）、远程服务器（A100·H100）和云端（TPU·Gemini API）。大型 VLM 放在服务器上，快速控制器放在机器人上。
来源：各模型论文·README·模型卡的报告值（卡片中的‘推理显存’）。线为计算值，不含激活值·KV 缓存。
按设备等级划分的已报告推理速度
02 · 显存计算器
运行这个模型需要多少GPU显存
选择模型或输入参数量，即可计算各精度下的权重显存，并同时显示已报告的实测值和代表性设备的显存。
03 · 我的设备
能在这台设备上以可用速度运行的模型
选择设备、精度和所需推理速度，即可筛出能装进显存并可能达到该速度的模型。token型 VLA 每个动作要输出多个token，推理速度为‘token速度 ÷ 每个动作的token数’；flow·diffusion 模型的单次推理时间为主干1次加多次去噪的时间之和。
设备规格与来源
04 · 主干LLM
VLA 的主干LLM
只统计主干LLM系列已确认的模型。标有‘配置’的，是论文只给出 VLM 名称、从该 VLM 的公开配置中注明 LLM 的情况。
各系列模型与主干
05 · 强化学习
强化学习用在哪里
‘使用’指模型本身用 RL 训练·改进；‘部分’指只在系统的一部分用 RL，如底层控制器·RL 生成数据·奖励·价值模型。依据为论文·官方博客原文，未说明训练过程的模型记为未公开。
VLA RL后训练
用 RL 对经模仿学习得到的 VLA·策略再改进一次。操作类有 π*0.6(RECAP)·GR-RL·SyVLA·GEN-1，导航类有 VLN-R1·ABot-N0·LightNav-0（GRPO 系）和 VLingNav·TIC-VLA·RING·COMPASS（PPO 系），四足 VLA 有 MoRE（离线 RL）。
RL控制器训练
人形机器人全身控制器和四足 loco-manipulation 控制器（VBC·RoboDuet·SLIM）在仿真中用 PPO 等训练，再蒸馏为学生策略。单张 GPU 1~4 天很常见，SONIC 用了 128 张 GPU。
结合RL底层控制器
VLA 仍用模仿学习，行走·全身执行交给 RL 控制器。包括 GR00T N1.5·N1.6（Decoupled WBC）、Helix·Helix 02、Ψ0、WholeBodyVLA，以及足式机器人 VLA QUAR-VLA·NaVILA。
数据·奖励·价值
用 RL 策略生成的数据训练（π0.7、Rho-alpha、AC-DiT、CrossFormer），或将奖励模型·DPO·价值预测纳入训练（DYNA-1、NORA-1.5、Cosmos Policy）。
06 · 移动底盘
移动底盘如何驱动
轮式移动操作
π0·π0.5·Mobile ALOHA·BRS·AC-DiT·PanoVLA 在同一策略中把底盘速度（线速度·角速度或 x·y·yaw）与手臂动作一起直接输出。MoManipVLA 是例外：保留固定底盘用的 VLA 不变，用优化确定底盘位置。
导航 VA·VLA
大多输出若干相对航点，再由 PD·MPC·pure pursuit 控制器转换成速度指令（ViNT·NoMaD·NavFoM·InternVLA-N1·TrackVLA·ABot-N0）。基于 VLM 的模型分两类：按 VLN-CE 基准的方式以文本输出‘前进 25 cm·旋转 15°/30°·停止’等离散动作（NaVid·Uni-NaVid·StreamVLN·FutureNav），或输出航点（NavFoM·InternVLA-N1·ABot-N0·LightNav-0）。
四足
四足移动操作中，VLA 或高层策略只输出机身速度·姿态指令，腿部关节由仿真 RL 训练的行走控制器负责（QUAR-VLA·MoRE 的 Walk These Ways、VBC、SLIM、UMI on Legs）。四足导航模型大多只输出航点或速度指令，由机器人内置的行走控制器跟踪；NaVILA 则直接训练了 RL 行走策略并接入。模仿学习策略直接输出到腿部关节的只有 CrossFormer(Go1) 一例。
人形双足
标准做法是分层结构：VLA 输出行走指令（vx·vy·yaw）或潜在动作，由 RL 训练的全身控制器驱动双腿（GR00T N1.6·N1.7、WholeBodyVLA、Ψ0、OpenHLM、ω-0）。Atlas LBM 输出足部位姿并由 MPC 执行，Gemini Robotics 2 未说明是否有单独的行走控制器。
格中数字为用该方式驱动该类底盘的模型数，颜色越深越多。一个模型驱动多类底盘时每格分别计数。‘其他’指飞行机器人和只在仿真中驱动底盘的情况。分类依据为各论文·官方文档中对动作空间的描述，并在卡片的‘底盘控制’一栏用一行写明。
07 · 两模型对比
两模型并排查看
用卡片上的‘对比 A’·‘对比 B’按钮或下方列表选择模型，即可并排显示架构图和规格。数值相同的行以淡色显示。
08 · 图库
模型图库
按分类·发布时间·规模·主干LLM·动作头·推理信息·有无论文·底盘类型筛选。点击卡片上方的论文标题可打开 arXiv 原文，在‘详情’中查看任务·数据·训练设置。
没有符合条件的模型。请尝试重置筛选。