VLA 图库 / 模型列表 / 2026年新增

SyVLA

SJTU + Shanghai Innovation Institute + Shanghai AI Lab + Noematrix 等 · 2026-06

VLA2026年新增3B VLM + 0.69B专家flow matching

公开了预训练算力(H200 32块，约1.5天)的学术VLA。

论文

Scaling by Diversified Experience for Vision-Language-Action ModelsarXiv 2606.09009

概述

分类

2026年新增

类型

VLA

发布

2026-06

机构

SJTU + Shanghai Innovation Institute + Shanghai AI Lab + Noematrix 等

权重公开

未核实

参数

3B VLM + 0.69B专家 (总量未注明)

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

flow专家0.69B (15层) (flow matching)

动作块

50步

控制频率

未公开

架构原文摘要

Qwen2.5-VL-3B + 0.69B flow matching专家(15层解码器, hidden 1408);Feature Query Token 20个,50步动作块;VLM·专家异步推理

训练

预训练加速器

H200 32张 (DeepSpeed ZeRO-2)

预训练时长

约1.5天

预训练步数·批量

批量 512（steps未注明）

GPU·TPU-小时

1,152 (换算 · H200-小时 (32 GPU × 约1.5天=36小时))

微调

H100 8张(DeepSpeed ZeRO-2),6–18小时,批量32;RL额外增加约10%训练时间

数据类型

真实机器人(OXE·RH20T子集，自采不到5%) + 网络视觉-语言(VQA)

数据规模

机器人数据约 450小时（25 Hz）+ 多模态VQA；CoT标注约 1%

主要数据集

Open X-Embodiment子集, RH20T子集

任务·评估

真实叠衬衫域内0.86·域外0.78；LIBERO Spatial 87.7·Object 84.0·Goal 87.3·Long 65.7

机器人

笔记未注明

推理

推理设备·速度

异步VLM·专家推理（未报告延迟）

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

使用 (VLA RL后训练) · 第3阶段在真机上以PPO变体RL优化整个VLA(专家样本优势固定为1.0，价值模型约100M)。训练时间仅增加约10%

强化学习依据

https://arxiv.org/html/2606.09009

底盘控制

固定 · 未提及底盘（Cobot Magic机械臂关节位置动作；LIBERO仿真）

备注

核心特点

公开了预训练算力(H200 32块，约1.5天)的学术VLA。加入RL后训练时间仅增加约10%。

备注

ICML 2026。项目页面声称公开代码·数据集,权重是否公开未核实。并非Spirit AI的模型。核验笔记中无对照行。

核验

未验证