逐际动力更新 FluxVLA Engine V2 技术报告
原标题：工程能力一键复用，专心卷新能力！轮子造一次就够了｜详解FluxVLA Engine技术报告
AI 摘要
逐际动力更新开源具身智能工程底座 FluxVLA Engine 第二版技术报告，新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示，14 种策略接入统一 LIBERO 闭环评测，优化后推理频率提升 2.31–9.64 倍，SmolVLA 经在线强化学习后在 LIBERO-10 和 RoboTwin Clean 上成功率分别提升 10.0 和 15.4 个百分点。该底座旨在将训练、评测、部署全链路标准化，降低具身智能研发的重复工程成本。
正文节选
工程能力一键复用，专心卷新能力！轮子造一次就够了｜详解FluxVLA Engine技术报告 让基建作为常驻buff 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 什么时候是具身智能的ChatGPT时刻？ 大概是大伙儿看到GPT-6 Astra凭一行API就能跨界给机器人下达指令的时候。 老O家还是有实力，抢先一步跟全世界证明，AI的通用能力足够惊艳，且远远没到头。 好消息：发动机性能比我们所有人想象中更强，AI模型仍然坐在超跑上！ 坏消息：把指令翻译成物理动作的工程底座（Infra）却还是一条坑洼土路…… 模型能力越强，就越需要一套好用、完善的具身Infra，接住前沿算法的每一次跃迁。 近期，逐际动力更新了其开源工程底座FluxVLA Engine的第二版技术报告。 相较9月发布的首版，V2进一步加入在线强化学习后训练实验，并扩展了仿真评测和真机部署的覆盖范围。 报告显示，在仿真侧，14种策略接入同一套LIBERO闭环评测，在RoboCasa GR-1、RoboTwin与RoboDojo上各有8种策略的接入结果。 在推理端，针对8组模型与设备组合的实测显示，优化后的模型推理路径