BLACK HOLE / MODEL GUIDE

UniVLA 机器人策略:潜在动作与任务适配

UniVLA 从机器人与人类视频中学习任务相关潜在动作,用于操作和导航策略研究。选择时先核对观测、动作解码和目标本体,不能把不同机器人的动作接口直接互换。

资料核对:2026-10-25 · 整理:黑洞智能体

本页目录

按任务选择

  1. 1

    按目标任务选择预训练或任务适配检查点,先在相应仿真环境检查观测输入、动作维度与执行频率,再评估目标硬件。

  2. 2

    对照任务说明检查动作是否完成,并单独记录新物体、视角变化和环境变化下的结果;基准成功率不能直接替代你的场景验收。

模型条目与用途

UniVLA

原始资料专题 · 本站目录未列入该条目

通过任务相关潜在动作学习机器人策略,官方同时提供预训练与任务适配检查点。UniVLA 的机器人策略与其 Prismatic 视觉语言骨干分别说明,不能写成从零训练的通用聊天模型。

研发归属
香港大学与 OpenDriveLab 作者团队
获取方式
官方提供 univla-7b、潜在动作模型与任务适配检查点,以及微调和评测流程。部署前按目标任务对齐数据、观测与动作解码。
使用条件

所读检查点卡标注 Apache-2.0;同一修订的配置标出 meta-llama/Llama-2-7b-hf 语言骨干。使用时应同时核对上游条款与检查点条款。

所选检查点的输入输出、依赖与硬件条件应按官方说明分别核对;本站没有该家族的已验证服务入口。

接入方式与本站目录

本站目录尚未列出该家族。请从下方官方项目和模型卡核对本地运行或部署方式;需要本站 API 时,请以模型目录实际列出的型号为准。

使用前需要核对

  • 所读检查点卡标注 Apache-2.0;同一修订的配置标出 meta-llama/Llama-2-7b-hf 语言骨干。使用时应同时核对上游条款与检查点条款。

原始资料

继续了解