逐际动力开源 FluxVLA Engine 具身智能工程底座

AI 摘要

逐际动力开源具身智能工程底座 FluxVLA Engine，并于 10 月 22 日发布重要更新及技术报告。该引擎贯通数据、训练、评测、推理与真机部署，支持 OpenVLA、π0.5、GR00T 等多种异构 VLA 模型接入，并通过 CUDA Graph 推理加速、RTC 时序衔接和轨迹后处理解决仿真到真机的工程鸿沟。评测覆盖 LIBERO、RoboCasa 等仿真基准及 ALOHA、Oli 等四个真机平台，还对接 RLinf 引入在线强化学习后训练。

正文节选

开源工程底座 FluxVLA Engine 技术报告全解读。     作者丨邓哲敏     编辑丨齐铖湧                                                                                                         一个模型在论文中取得好成绩，距离它真正驱动机器人完成任务，还有多远？模型能否接入现有的数据与训练流程，推理速度能否跟上机器人的控制节奏，生成的动作能否连续、稳定地执行，实验结果又能否在不同机器人上得到验证——这些问题，未必能靠再提升几个百分点的模型成功率来解决。过去半年，AI科技评论（雷峰网(公众号：雷峰网)）在与业内人士交流时发现，一些反复出现的工程问题正在消耗大量研发资源：不同模型的数据格式难以统一，训练和评测流程各自为政，仿真中的结果到了真机上未必成立；好不容易跑通一套流程，换个模型、换份数据或换台机器人，又可能需要重新适配。这让雷峰网想起深度学习的发展历程。2017 年，PyTorch 正式开源，此后，框架、工具链与开发者社区不断完善，研究者得以在更成熟的基础设施上开展

发布时间：2026-10-28 18:17

抓取时间：2026-10-28 21:10

来源机构：雷峰网