VLA 图库 / 模型列表 / 自回归与潜在动作VLA

VLA-Adapter

BUPT·Westlake University·Zhejiang University·HKUST(GZ)·OpenHelix Team · 2025-09

VLA自回归与潜在动作VLAQwen2.5-0.5B主干 + 训练参数197.2M回归

无机器人预训练，以0.5B主干和Bridge Attention策略取得LIBERO 97.3%。

论文

VLA-Adapter: An Effective Paradigm for Tiny-Scale Vision-Language-Action ModelarXiv 2509.09372

概述

分类

自回归与潜在动作VLA

类型

VLA

发布

2025-09

机构

BUPT·Westlake University·Zhejiang University·HKUST(GZ)·OpenHelix Team

权重公开

是

参数

Qwen2.5-0.5B主干 + 训练参数197.2M(策略97.3M);总量未注明

架构

主干LLM

Qwen2.5-0.5B

视觉编码器

SigLIP + DINOv2 (Prismatic)

动作头

Bridge Attention策略 (L1回归) (回归)

动作块

8步

控制频率

未公开

架构原文摘要

Prismatic VLM(Qwen2.5-0.5B,与MiniVLA基础相同);以Bridge Attention策略做L1回归,动作块H=8,不使用动作token

训练

预训练加速器

不适用(无机器人预训练)

预训练时长

不适用

预训练步数·批量

不适用

GPU·TPU-小时

未公开

微调

论文：H100 4张，batch 16·最多 150,000 steps（README按任务 LIBERO-Spatial 约 5 h，Object 不到 1 h，Goal 3 h，Long 半天，CALVIN 8 h）；32GB消费级GPU 1张 8 h（LIBERO-Object 99.2%，batch 8·LoRA 64）；最低 9.6 GB（batch 1·LoRA 64）

数据类型

仿真·合成

数据规模

LIBERO·CALVIN演示(数量未注明)

主要数据集

LIBERO, CALVIN

任务·评估

LIBERO平均97.3%;CALVIN ABC→D平均长度4.42

机器人

LIBERO·CALVIN仿真

推理

推理设备·速度

219.2 Hz，0.0365 s(OpenVLA-OFT 71.4 Hz)；GPU未注明

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

未使用 · 仅使用模仿学习（行为克隆）

底盘控制

固定 · 无底盘控制（LIBERO·CALVIN机械臂仿真）

备注

核心特点

无机器人预训练，以0.5B主干和Bridge Attention策略取得LIBERO 97.3%。推理达219.2 Hz，快于OpenVLA-OFT（71.4 Hz）。

备注

非基于token而是回归头的VLA，作为2025年计算效率比较的参考行。在核查中厘清了4×H100(论文)与'8 hours'(1张32GB消费级GPU，LIBERO-Object)的归属。

核验

已确认