FluxVLA FAQ 常见问题

FluxVLA 是逐际动力开源的一套标准化具身智能大模型工程底座，覆盖从数据处理、模型训练、仿真评测到真机部署的完整工程闭环。平台基于"配置统一、接口规范、模块解耦、可部署性"四大核心设计原则，所有实验可通过一份配置文件管理，显著降低 VLA 研发与复现的工程门槛。项目已发布技术报告（arXiv: 2609.17210），代码、模型权重与训练数据全部开源。

FluxVLA 以 FluxVLA-native 方式集成了当前主流的开源 VLA 与世界模型，包括 Pi0、Pi0.5、GR00T N1.5 / N1.7、SmolVLA、OpenVLA、LlavaVLA、DreamZero、DiT4DiT（基于 Cosmos-Predict2.5）、Cosmos3（Nano / Super / Edge）和 FastWAM（含 uncond / Joint / IDM 三种变体）。所有模型均提供统一接口的训练与评测配置，并支持模块化替换 LLM 主干（Llama / Gemma / Qwen 系列）、视觉主干（DINOv2 / SigLIP）与 VLM 主干（PaliGemma / Qwen-VL）。

五类代表性能力： ① 闭源大模型评测——支持将 GPT-6 Astra 免 checkpoint 接入 LIBERO 与 RoboCasa 仿真评测（基于 OpenAI Responses API，支持多视角观测）； ② 大规模并行评测——提供 FluxThemis ZMQ 多 GPU 并行评测服务，支持 RoboDojo 等基准； ③ 新模型快速跟进——已原生支持 GR00T N1.7、DiT4DiT、Cosmos3、FastWAM 等新模型，覆盖仿真与 Franka 真机； ④ 完整的训练配方——为八个模型提供 RoboCasa 全数据训练配方并开放对应 checkpoint； ⑤ 人形机器人全身控制——支持 Oli 人形机器人 loco-manipulation 推理、MROS 灵巧手分指控制与可配置推理模式。 各版本的详细更新记录见 GitHub CHANGELOG。

目前支持 LIBERO、RoboCasa GR1 与 RoboDojo 三大仿真基准，并提供官方复现的基准成绩与开源 checkpoint。LIBERO 上，FluxVLA(DiT4DiT) 达到 98.65 平均成功率，FluxVLA(Pi0.5) 达到 97.95；RoboCasa GR1 全数据设定下，FluxVLA(DiT4DiT) 以 57.25% 平均成功率领先（每任务 50 次试验）；RoboDojo 覆盖 42 个基准任务、每模型 2100 次试验，结果以进度得分 / 成功率双指标报告。所有成绩均可在 README 的性能表格中核查，对应 checkpoint 已发布于 Hugging Face。

FluxVLA 已支持通过 OpenAI Responses API 将 GPT-6 Astra 免 checkpoint 接入仿真评测：评测脚本直接调用 API 策略，支持多视角观测输入与 LIBERO 原生动作控制，API 凭证通过环境变量配置，rollout 过程文件自动归档。该能力已覆盖 LIBERO 全部套件与 RoboCasa GR1，可用于快速评估闭源大模型在具身任务上的零样本表现。

FluxVLA 统一使用 LeRobot Dataset 格式（推荐 v2.1，SARM 工作流兼容 v3.x），支持 Parquet 数据集加载。自采数据（如 ALOHA 机器人采集的 HDF5 文件）可按文档中的数据转换指南转为 LeRobot 格式后直接使用。需要注意：多数据集混合训练时，请确保所有数据均为 LeRobot v2.1 格式，否则会出现 features 无法对齐的报错；建议通过固定 commit 的 LeRobot 版本保证格式一致。

可以。LIBERO 与 RoboCasa 的默认渲染依赖光线追踪，但 FluxVLA 支持在无光追设备上通过 EGL 进行 GPU 渲染完成评测。一键安装脚本（sim-only / full 模式）会自动探测 MuJoCo EGL 环境并配置所需的系统依赖与激活钩子，也可以按照文档 FAQ 手动完成 EGL 配置。

已验证的真机部署路径包括：Franka 机械臂（单臂 / 双臂，支持关节与末端位姿控制）、UR3、AgileX ALOHA 双臂、逐际动力 Tron2 人形机器人，以及 Oli 人形机器人的全身（loco-manipulation）推理路径——支持传感器输入、WebSocket 控制、MROS 灵巧手分指控制与键盘暂停 / 连续推理模式。各平台的部署指南与示例配置见 docs 目录。

FluxVLA 提供多层次的推理加速： ① GR00T-RTC 加速推理在 RTX 5090 上达到 45 Hz； ② Pi0.5-RTC 支持 Triton 后端，包含 Triton 融合算子、CUDA Graph 捕获与 CUDA 自定义算子； ③ 边缘侧支持 NVIDIA Jetson Orin 部署（提供官方 Docker 镜像），GR00T-N1.5 端侧推理达到 7.4 Hz； ④ 支持 RTC（Real-Time Chunking）改善跨 chunk 轨迹连续性。 详细配置见推理加速文档。

FluxVLA 提供基于 ZMQ 的远程推理框架（server / client 架构），可将模型推理卸载到远端 GPU，边缘设备只负责传感数据回传与动作执行。近期还新增了 FluxThemis ZMQ 评测服务，支持多 GPU 副本、episode 亲和调度与可配置的并行 worker 启动，适合大规模并行评测与多机部署场景。

三类高频问题： ① transformers 版本——FluxVLA 不在 requirements.txt 中锁定 transformers，需手动安装；Pi0 / GR00T / SmolVLA 等推荐 4.53.0，OpenVLA 需 4.40.1，Tron2 部署需 4.53.2，多模型并用建议分设 Conda 环境； ② NumPy 版本被覆盖——安装完成后固定 pip install numpy==1.26.4； ③ egl\_probe 编译失败——需先安装 CMake（用 conda 而非 pip 安装），CMake 版本过新时设置 CMAKE_POLICY_VERSION_MINIMUM=3.5。更多问题见文档 FAQ 与 README 的 FAQ 小节。

在执行下载命令前设置环境变量使用 hf-mirror 镜像即可：export HF_ENDPOINT="https://hf-mirror.com"。一键安装脚本与 RoboCasa 资源下载脚本均默认支持该镜像端点。

FluxVLA 的训练与评测脚本通过 torchrun 启动分布式任务，与 VSCode 默认调试方式不兼容；在文档 FAQ 中提供了完整的 .vscode/launch.json 配置模板，以 torchrun 作为调试入口即可实现断点调试（建议调试时将 nproc_per_node 设为 1 并关闭 wandb 上传）。二次开发请先阅读贡献指南：新功能 / 新模型建议先开 GitHub Issue 对齐设计，分支从 upstream/main 切出并使用 feat/、fix/ 等前缀，提交前确保 pre-commit 与 CI 通过。

三个渠道： ① 项目文档站（fluxvla.limxdynamics.com）右上角的 OpenClaw 智能助手可直接提问，问题会被收集用于改进文档； ② GitHub Issues（提供 bug 报告与功能请求的专用模板）； ③ 官方维护者邮箱 mason@limxdynamics.com。 中文社区还可通过 README 置顶的微信群、飞书群二维码加入讨论。