VLA 图库 / 模型列表 / Flow·Diffusion VLA

NORA-1.5

Nanyang Technological University, Lambda Labs, SUTD · 2025-11

VLAFlow·Diffusion VLA总计未公开；VLM 3B + 动作专家约400M混合

在自回归VLA上接入flow专家，联合学习FAST+ token与连续动作，并加入DPO奖励后训练。

论文

NORA-1.5: A Vision-Language-Action Model Trained using World Model- and Action-based Preference RewardsarXiv 2511.14659

概述

分类

Flow·Diffusion VLA

类型

VLA

发布

2025-11

机构

Nanyang Technological University, Lambda Labs, SUTD

权重公开

是

参数

总计未公开；VLM 3B + 动作专家约400M

架构

主干LLM

Qwen2.5-3B · Qwen2.5-VL-3B配置

视觉编码器

Qwen2.5-VL ViT

动作头

FAST+ token + flow专家约400M (混合)

动作块

5步

控制频率

未公开

架构原文摘要

基于Qwen-2.5-VL-3B的自回归VLA NORA + 约400M flow matching动作专家;FAST+ token交叉熵与flow matching联合优化;action horizon N=5;DPO奖励后训练

训练

预训练加速器

H100 1节点

预训练时长

5天

预训练步数·批量

150k步，global批量512(在NORA-Long 900k步·批量256基础上继续训练)

GPU·TPU-小时

960 (明示 · H100-小时（约 960；1节点 × 5天）)

微调

未公开（LIBERO·SimplerEnv·实机·DPO）

数据类型

真实机器人遥操作

数据规模

OXE子集(与NORA-Long相同,规模未公开);真机遥操作pick-and-place 1,000回合

主要数据集

Open X-Embodiment子集

任务·评估

LIBERO 98.0/96.0/95.4/90.5,平均95.0;SimplerEnv VM 82.8%(DPO);Galaxea A1真机9项任务+13~46%

机器人

Galaxea A1(单臂)真机；SimplerEnv，LIBERO

推理

推理设备·速度

数值未公开(仅'better inference speed')

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

部分 (奖励/偏好优化) · 后训练使用基于奖励的DPO(偏好优化)。并非与环境交互的RL

强化学习依据

https://arxiv.org/pdf/2511.14659

底盘控制

固定 · 无底盘控制（Galaxea A1单臂）

备注

核心特点

在自回归VLA上接入flow专家，联合学习FAST+ token与连续动作，并加入DPO奖励后训练。在Galaxea A1实机9项任务上比基线高13~46%。

备注

960 H100-小时为在NORA-Long基础上继续训练的150k步阶段的值。机构由笔记中的declare-lab按论文第1页更正。README称在Galaxea A1上离散动作优于连续动作。

核验

已反映修正