作者：林雅文发布时间：2026-06-16 10:49:22 点击数：13295

本月相关部门传递重要研究成果80岁老爷爷坐轮椅看苏超 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

江苏省镇江市句容市陕西省咸阳市兴平市南阳市内乡县云南省大理白族自治州云龙县焦作市四川省遂宁市蓬溪县四川省成都市金牛区江苏省徐州市新沂市山西省朔州市山阴县辽宁省沈阳市沈河区鹿泉区白鹿泉乡西藏阿里地区日土县青海省海南藏族自治州贵德县福建省漳州市龙海市合肥市庐阳区桥西区东华街道广东省佛山市三水区洛阳市汝阳县青海省果洛藏族自治州密云区古北口镇昌平区延寿镇西城区月坛街道湖北省宜昌市夷陵区四川省广元市长安区南村镇山西省吕梁市中阳县平山县宅北乡怀柔区宝山镇江苏省镇江市句容市江西省吉安市永新县辽宁省辽阳市白塔区井陉县测鱼镇湖北省宜昌市秭归县江苏省镇江市句容市静海区西翟庄镇陕西省汉中市西乡县赞皇县院头镇山东省德州市齐河县南开区体育中心街道西藏山南市西城区月坛街道内蒙古兴安盟乌兰浩特市江西省吉安市永新县喀什地区叶城县广东省广州市越秀区内蒙古乌海市乌达区福建省厦门市湖里区西藏拉萨市达孜区四川省宜宾市江安县辽宁省辽阳市白塔区广东省广州市越秀区四川省宜宾市翠屏区平山县东回舍镇湖北省襄阳市襄州区福建省厦门市湖里区湖北省宜昌市宜都市福建省南平市建瓯市福建省厦门市海沧区密云区古北口镇陕西省宝鸡市千阳县江苏省徐州市丰县和田地区四川省成都市新都区密云区高岭镇江西省鹰潭市余江区广东省佛山市三水区福建省厦门市海沧区江西省鹰潭市余江区山东省潍坊市青州市四川省甘孜藏族自治州江苏省南京市浦口区江西省景德镇市昌江区西乡塘区静海区大邱庄镇四川省成都市新都区福建省三明市梅列区黑龙江省鹤岗市甘肃省庆阳市镇原县焦作市中站区焦作市中站区新乐市协神乡四川省宜宾市翠屏区山西省晋中市榆社县陕西省汉中市南郑区广东省云浮市新兴县四川省凉山彝族自治州甘洛县塔城地区和布克赛尔蒙古自治县山东省潍坊市青州市蓟州区东施古镇江西省鹰潭市余江区行唐县龙州镇怀柔区宝山镇长安区广安街道四川省甘孜藏族自治州九龙县南开区体育中心街道乌鲁木齐市沙依巴克区山西省晋城市泽州县宝坻区牛家牌镇山东省潍坊市青州市山西省朔州市山阴县

本月行业报告发布新动态港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

贵州省铜仁市玉屏侗族自治县平山县上观音堂乡山西省晋城市高平市山西省晋城市高平市平顶山市湛河区甘肃省庆阳市镇原县内蒙古鄂尔多斯市鄂托克旗黑龙江省大兴安岭地区呼玛县井陉县测鱼镇福建省厦门市湖里区四川省凉山彝族自治州甘洛县山东省滨州市内蒙古呼伦贝尔市阿荣旗陕西省宝鸡市眉县江苏省徐州市新沂市许昌市建安区辽宁省锦州市义县青海省玉树藏族自治州治多县甘肃省定西市渭源县陕西省商洛市山阳县山东省潍坊市青州市山东省淄博市临淄区昌平区回龙观街道北辰区广源街道山西省长治市襄垣县山东省威海市西青区精武镇江苏省徐州市江苏省连云港市赣榆区南开区体育中心街道和平区南市街道南开区长虹街道平山县上观音堂乡静海区西翟庄镇内蒙古鄂尔多斯市鄂托克旗重庆市县巫山县鹿泉区寺家庄镇朝阳区管庄地区云南省西双版纳傣族自治州勐腊县辽宁省大连市旅顺口区固原市西吉县辽宁省大连市旅顺口区山西省晋中市灵石县福建省厦门市海沧区贵州省铜仁市玉屏侗族自治县江苏省镇江市句容市昌平区阳坊镇广东省广州市越秀区青秀区山西省晋中市灵石县山东省烟台市龙口市福建省漳州市龙海市焦作市沁阳市山东省聊城市茌平区内蒙古兴安盟乌兰浩特市辽宁省朝阳市北票市江西省景德镇市昌江区淮南市大通区丰台区宛平城地区亳州市利辛县山东省滨州市海南省三沙市西沙区百色市靖西市山东省聊城市冠县桥西区苑东街道湖北省宜昌市秭归县崇左市宁明县蚌埠市龙子湖区江西省吉安市永新县辽宁省朝阳市北票市山东省聊城市冠县陕西省汉中市留坝县山西省晋中市灵石县辽宁省铁岭市清河区江苏省苏州市相城区西城区月坛街道开封市通许县湖北省宜昌市夷陵区无极县大陈镇贵州省铜仁市印江土家族苗族自治县崇左市宁明县焦作市湖北省宜昌市宜都市山西省忻州市定襄县陕西省宝鸡市千阳县福建省三明市梅列区青海省玉树藏族自治州治多县山东省淄博市临淄区四川省宜宾市珙县亳州市利辛县山西省临汾市安泽县山西省长治市襄垣县昌平区回龙观街道辽宁省锦州市义县江西省鹰潭市余江区黑龙江省鹤岗市银川市贺兰县内蒙古鄂尔多斯市鄂托克旗焦作市中站区怀柔区龙山街道

全球服务区域:平山县上观音堂乡濮阳市南乐县崇左市宁明县山西省运城市夏县福建省南平市建瓯市巴音郭楞蒙古自治州和硕县门头沟区大峪街道西城区天桥街道许昌市建安区密云区高岭镇山东省聊城市冠县怀柔区龙山街道濮阳市南乐县和平区南市街道山西省晋中市灵石县山西省晋中市榆社县青海省海南藏族自治州贵德县海淀区青龙桥街道内蒙古乌海市乌达区内蒙古鄂尔多斯市康巴什区山西省吕梁市岚县山东省东营市垦利区密云区高岭镇西城区月坛街道芜湖市南陵县西藏阿里地区日土县山西省忻州市宁武县四川省凉山彝族自治州昭觉县焦作市沁阳市丰台区右安门街道平顶山市湛河区四川省凉山彝族自治州甘洛县云南省红河哈尼族彝族自治州绿春县湖北省孝感市汉川市喀什地区叶城县朝阳区小红门地区江苏省南京市浦口区平山县东回舍镇福建省厦门市湖里区长安区广安街道贵州省安顺市普定县顺义区空港街道上海市市辖区嘉定区百色市靖西市大兴区鹿泉区白鹿泉乡福建省福州市罗源县江苏省镇江市句容市喀什地区叶城县丰台区和义街道延庆区康庄镇辽宁省辽阳市白塔区江苏省镇江市句容市山东省聊城市冠县福建省福州市罗源县内蒙古鄂尔多斯市鄂托克旗江苏省徐州市新沂市合肥市瑶海区宝坻区牛家牌镇福建省莆田市仙游县云南省红河哈尼族彝族自治州绿春县静海区西翟庄镇山西省晋城市泽州县西城区天桥街道桥西区留营街道门头沟区大峪街道贵州省黔东南苗族侗族自治州天柱县平山县小觉镇广东省惠州市龙门县贵州省安顺市普定县黑龙江省哈尔滨市巴彦县南阳市内乡县云南省大理白族自治州云龙县江西省宜春市宜丰县陕西省汉中市南郑区四川省成都市双流区赞皇县西龙门乡贵州省铜仁市玉屏侗族自治县平山县小觉镇山东省泰安市泰山区湖北省襄阳市襄州区江苏省南京市浦口区亳州市利辛县辽宁省辽阳市白塔区朝阳区小关街道重庆市县巫山县福建省福州市罗源县山东省烟台市龙口市福建省厦门市湖里区山西省忻州市定襄县福建省南平市河东区大直沽街道山西省忻州市宁武县云南省西双版纳傣族自治州勐腊县大兴区山东省枣庄市台儿庄区云南省红河哈尼族彝族自治州泸西县辽宁省朝阳市北票市内蒙古锡林郭勒盟镶黄旗北辰区广源街道

本月国家机构传递新政策港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：江西省宜春市宜丰县山东省威海市内蒙古鄂尔多斯市康巴什区黑龙江省鹤岗市甘肃省陇南市井陉县测鱼镇河东区东新街道静海区大邱庄镇合肥市庐阳区濮阳市南乐县黑龙江省伊春市金林区山西省晋中市灵石县湖北省宜昌市宜都市山东省烟台市牟平区阿克苏地区新和县福建省南平市巴音郭楞蒙古自治州和硕县江苏省徐州市桥西区东华街道吉林省白山市浑江区福建省莆田市城厢区广东省江门市四川省甘孜藏族自治州泸定县海淀区青龙桥街道云南省普洱市景东彝族自治县四川省德阳市广汉市山东省淄博市临淄区洛阳市汝阳县西藏阿里地区日土县内蒙古乌海市乌达区黑龙江省鸡西市鸡冠区河西区桃园街道贵州省黔东南苗族侗族自治州天柱县山东省威海市内蒙古锡林郭勒盟正镶白旗蓟州区东施古镇江西省景德镇市昌江区辽宁省辽阳市白塔区陕西省宝鸡市千阳县许昌市建安区昌平区小汤山镇怀柔区龙山街道广东省汕头市龙湖区山东省青岛市城阳区四川省凉山彝族自治州昭觉县湖北省孝感市汉川市西藏山南市贡嘎县四川省乐山市赞皇县西龙门乡山西省吕梁市岚县云南省丽江市宁蒗彝族自治县甘肃省庆阳市镇原县门头沟区大峪街道贵州省铜仁市玉屏侗族自治县蓟州区东施古镇贵州省铜仁市玉屏侗族自治县江西省鹰潭市余江区怀柔区宝山镇青海省果洛藏族自治州山东省泰安市东平县昌平区阳坊镇山东省德州市齐河县云南省红河哈尼族彝族自治州绿春县陕西省宝鸡市眉县辽宁省沈阳市沈河区江西省宜春市宜丰县内蒙古鄂尔多斯市康巴什区阿克苏地区新和县南开区长虹街道固原市西吉县平山县上观音堂乡四川省凉山彝族自治州西昌市河东区东新街道重庆市县巫山县赵县沙河店镇陕西省咸阳市兴平市四川省凉山彝族自治州甘洛县四川省成都市新都区长安区南村镇云南省红河哈尼族彝族自治州绿春县青海省果洛藏族自治州辽宁省铁岭市开原市伊犁哈萨克自治州昭苏县宝坻区牛家牌镇山东省青岛市城阳区广东省云浮市新兴县湖北省宜昌市夷陵区山东省聊城市茌平区甘肃省白银市景泰县云南省怒江傈僳族自治州福贡县密云区不老屯镇山东省威海市赞皇县院头镇云南省大理白族自治州云龙县江苏省苏州市相城区焦作市沁阳市门头沟区大峪街道山西省晋中市灵石县河东区东新街道山东省烟台市牟平区

售后服务上门服务电话，智能分配单据：港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA

如果说 2017 年的 PyTorch 让深度学习从 "少数派的炼丹炉" 变成了 "人人可用的工程平台"，那么具身智能（Embodied AI）正在等待属于它自己的 "PyTorch 时刻"。

过去两年，VLA（Vision-Language-Action，视觉-语言-动作）模型几乎是机器人领域最火热的方向：从 Google 的 RT-2、Physical Intelligence 的 π?，到 NVIDIA 的 GR00T、OpenVLA、Cosmos…… 几乎每隔几周就有新模型刷屏。但走进任何一个机器人实验室你都会发现一个尴尬的现实：

想复现一篇论文？代码不全、数据接口对不上；想公平对比两种方法？训练协议、评估基准各搞一套；想换个动作头试试？整个工程几乎要重写一遍；想知道 "VLM 主干" 和 "World Model 主干" 到底谁更强？没有人在同等条件下比过。

整个 VLA 领域看似繁荣，实则像是一个个 "黑箱" 散落在不同实验室里。

最近，来自港科大和开源社区团队推出了StarVLA开放研究平台。与其说他们创造了一个全新的 VLA 模型，不如说他们做了一件更 “基础设施” 的事：将当前主流的 VLA 范式、动作头、训练策略和评估基准，统一整合到同一个开源框架中，让所有实验都可以在公平、透明、可复现的条件下进行。

值得一提的是，StarVLA 并非一蹴而就的新品，它早已在社区中经过充分检验，拥有超过 2.2k的 star，并获得了广泛认可，一直是社区最流行的框架之一，仅次于美国 NVIDIA 和 Physics Intelligent，在国内同类项目中中断档领先。

这或许正是 VLA 领域所需要的 “PyTorch 时刻”—— 不再只是比谁的 demo 更炫，而是让研究者们站在同一条起跑线上，将 VLA 真正作为一门可以科学验证的学科来深入研究。

论文标题：StarVLA: A Lego-like Codebase for Vision-Language-Action Model Developing论文：https://arxiv.org/pdf/2604.05014代码：https://github.com/starVLA/starVLA支持基准：LIBERO / SimplerEnv / RoboTwin 2.0 / RoboCasa-GR1 / BEHAVIOR-1K / VLA-Arena / Calvin / DOMINO ...

一、为什么说 VLA 需要一个 "PyTorch 时刻"？

回顾深度学习的发展史，会发现一个规律：任何一个领域真正爆发，都离不开一个统一的、开放的、可复现的实验平台。

计算机视觉之于 ImageNet + Caffe / PyTorch；自然语言处理之于 HuggingFace Transformers；大模型微调之于 LLaMA-Factory、DeepSpeed。

而 VLA 目前正处在 ImageNet 之前的 "前夜"：模型很多、demo 很炫、论文产出很快，但没有人能告诉你，在严格控制变量的前提下，哪种设计真的更好。

举几个具体的 "灵魂拷问"：

自回归动作分词（FAST）、并行回归（OFT）、Flow Matching（π?）、双系统（GR00T）——这四种动作头在同一个主干下的表现到底差多少？VLM 路线（RT-2、π?）和 World Model 路线（Cosmos， DreamZero）——真的是两条本质不同的路，还是只是 "辅助信号" 的选择不同？多模态协同训练、跨具身联合训练 ——到底有没有用？提升有多大？在 LIBERO 上 SOTA 的方法，到 RoboCasa、RoboTwin, Behavior 上还能打吗？

在 StarVLA 之前，这些问题几乎没有人能给出系统性答案—— 因为根本没有同时支持这一切的统一平台。

二、StarVLA 是什么？一个 "全栈式" 的 VLA 实验平台

StarVLA 的设计哲学非常克制：不发明新方法，而是把别人发明的好方法，统一搬到一个屋檐下。

整个框架由四层可插拔模块组成：

每一层都可以自由替换、自由组合。 想做 "换动作头不换主干" 的对比？改一行配置。想验证 "协同训练" 的效果？改一个开关。想把 LIBERO 上训好的模型搬到 RoboTwin 上跑实机？同一个接口。

这就是为什么华体汇(中国)说它是 VLA 领域的 "PyTorch 时刻"——它把之前需要重写整个工程才能做的事，变成了改一行配置文件的事。

三、广义 VLA 视角：所有方法，其实是一个公式

在统一这些方法的过程中，作者还提出了一个非常漂亮的理论观察。

VLA 看似流派众多 —— 有的基于语言模型，有的基于视频生成模型；有的自回归，有的扩散；有的单系统，有的双系统 —— 但当你把它们都塞进同一个框架后会发现，它们在数学结构上可以用同一个公式表达：

不同方法的本质区别，仅在于选用什么 "预训练模型初始化" 以及 "辅助训练的信号" 是什么：

VLM 路线：辅助信号是语言推理（让模型继续 "会说话"）；World Model 路线：辅助信号是未来画面预测（让模型继续 "会想象"）；极简路线：干脆没有辅助信号，纯动作监督。

作者把这个统一视角称为"广义 VLA"（Generalized VLA）。它意味着：与其纠结 "该选哪条路线"，不如思考 "该选什么样的辅助信号"。这一视角，为后续 VLA 的系统性研究提供了一个清晰的理论坐标系。

VLM to VLA 和 World-Model to VLA 的统一架构

四、几个 "反直觉" 的实验发现

虽然 StarVLA 主打 "平台" 而非 "刷榜"，但作者在搭建过程中也 "顺手" 做了一批严格控制变量的实验，结果颇有意思：

发现 1：极简设置就能打出强基线

不做任何数据增强、只用基准原始数据和公开预训练权重，StarVLA 在 LIBERO 上仅用 30K 步就达到了 98.8% 的成功率， 在其他主流的 SimplerEnv, Robocasa-GR1, Robotwin 2.0, LIBERO-Plus 上也都有和主流大厂的模型具有非常接近的效果。

而前人代表方法 OpenVLA-OFT， GR00T, PI 等 在同一基准上需要 175K 步 ——训练步数减少了 6 倍。

这说明：以前很多论文堆的 "训练 trick"，可能并没有想象中那么必要。一个干净、统一的工程实现本身，就能释放出巨大的性能空间。

发现 2：数据 "杂" 反而更强 —— 通用模型超越专用模型

把 LIBERO、SimplerEnv、RoboTwin、RoboCasa 四个基准的数据混在一起训练同一个模型，结果在难度最高的类人操作基准RoboCasa-GR1 上，成功率从 48.8% 提升到了 57.3%。

这意味着：跨任务、跨形态的多样化数据并不会 "互相干扰"，反而会带来正向迁移。这是支持 "机器人大一统模型" 路线的一个重要经验证据。

发现 3：VLM 主干 vs World Model 主干，差距没有想象中大

在同一个 OFT 动作头下分别接入 Qwen3-VL（VLM 路线）和 Cosmos-Predict2（World Model 路线），两者的性能相当接近。

这是一个非常重要的初步结论：业界一直在争论的 "哪条路线才是 VLA 的未来"，可能本身就是个伪命题—— 真正决定性能的，也许并不是主干的 "血统"，而是辅助信号、训练策略和数据组合。

发现 4：不做协同训练，VLM 会在几千步内 "失忆"

把一个预训练好的 VLM 微调成机器人策略时，它在几千步内就会迅速丢失原有的视觉理解和语言推理能力—— 物体识别变差、空间定位崩坏、指令理解退化。

而加入多模态协同训练后，模型可以同时保住 "动脑" 和 "动手" 两种能力。这一现象在论文中以清晰的曲线图呈现，给所有想要微调 VLM 做机器人的研究者提了一个醒。

五、为什么这件事 "值得被看见"？

VLA 是当前最受资本和学术界关注的具身智能方向之一，但它也是最容易陷入 "内卷式刷榜" 的方向：每家都报告自己 SOTA，但没人能在公平条件下被验证。

StarVLA 的意义恰恰在于打破这种困境：

?对研究者：终于有了一个可复现、可控制变量的实验平台，做消融、做对比不再需要从零造轮子；

?对工程师：模块化设计 + 统一接口，从 "换主干" 到 "换基准" 再到 "上实机" 全部打通；

?对整个领域：当所有方法都能在同一个框架里被公平地 "摆出来"，VLA 的发展就从 "比谁声音大"，进入到 "比谁经得起验证" 的科学阶段。

这正是一个领域走向成熟的标志 —— 也正是华体汇(中国)说它是具身智能的"PyTorch 时刻"的原因。

六、开源信息

StarVLA 由香港科技大学团队联合开源社区共同推出，目前全部代码、训练脚本、评估接口与预训练权重已开源，并将持续迭代。

论文：https://arxiv.org/pdf/2604.05014代码仓库：https://github.com/starVLA/starVLA (目前已经 2.2k star, 感谢大家)已支持基准：LIBERO、SimplerEnv、RoboTwin 2.0、RoboCasa-GR1、BEHAVIOR-1K已集成方法：[QwenVL and Wan] X [FAST、OFT、π?、GR00T] 各式各样的 backbone X action header …

如果你正在做 VLA 研究、想搭一套机器人策略基线、或者只是想搞清楚 "这些花里胡哨的 VLA 模型到底差在哪"——这个仓库，值得 Star 一下。

本文报道由港科大 StarVLA 团队提供素材，面向关注具身智能与机器人大模型的读者。欢迎在 GitHub 上参与讨论与共建。

本月国家机构传达最新政策港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA

如果说 2017 年的 PyTorch 让深度学习从 "少数派的炼丹炉" 变成了 "人人可用的工程平台"，那么具身智能（Embodied AI）正在等待属于它自己的 "PyTorch 时刻"。

过去两年，VLA（Vision-Language-Action，视觉-语言-动作）模型几乎是机器人领域最火热的方向：从 Google 的 RT-2、Physical Intelligence 的 π?，到 NVIDIA 的 GR00T、OpenVLA、Cosmos…… 几乎每隔几周就有新模型刷屏。但走进任何一个机器人实验室你都会发现一个尴尬的现实：

想复现一篇论文？代码不全、数据接口对不上；想公平对比两种方法？训练协议、评估基准各搞一套；想换个动作头试试？整个工程几乎要重写一遍；想知道 "VLM 主干" 和 "World Model 主干" 到底谁更强？没有人在同等条件下比过。

整个 VLA 领域看似繁荣，实则像是一个个 "黑箱" 散落在不同实验室里。

最近，来自港科大和开源社区团队推出了StarVLA开放研究平台。与其说他们创造了一个全新的 VLA 模型，不如说他们做了一件更 “基础设施” 的事：将当前主流的 VLA 范式、动作头、训练策略和评估基准，统一整合到同一个开源框架中，让所有实验都可以在公平、透明、可复现的条件下进行。

值得一提的是，StarVLA 并非一蹴而就的新品，它早已在社区中经过充分检验，拥有超过 2.2k的 star，并获得了广泛认可，一直是社区最流行的框架之一，仅次于美国 NVIDIA 和 Physics Intelligent，在国内同类项目中中断档领先。

这或许正是 VLA 领域所需要的 “PyTorch 时刻”—— 不再只是比谁的 demo 更炫，而是让研究者们站在同一条起跑线上，将 VLA 真正作为一门可以科学验证的学科来深入研究。

论文标题：StarVLA: A Lego-like Codebase for Vision-Language-Action Model Developing论文：https://arxiv.org/pdf/2604.05014代码：https://github.com/starVLA/starVLA支持基准：LIBERO / SimplerEnv / RoboTwin 2.0 / RoboCasa-GR1 / BEHAVIOR-1K / VLA-Arena / Calvin / DOMINO ...

一、为什么说 VLA 需要一个 "PyTorch 时刻"？

回顾深度学习的发展史，会发现一个规律：任何一个领域真正爆发，都离不开一个统一的、开放的、可复现的实验平台。

计算机视觉之于 ImageNet + Caffe / PyTorch；自然语言处理之于 HuggingFace Transformers；大模型微调之于 LLaMA-Factory、DeepSpeed。

而 VLA 目前正处在 ImageNet 之前的 "前夜"：模型很多、demo 很炫、论文产出很快，但没有人能告诉你，在严格控制变量的前提下，哪种设计真的更好。

举几个具体的 "灵魂拷问"：

自回归动作分词（FAST）、并行回归（OFT）、Flow Matching（π?）、双系统（GR00T）——这四种动作头在同一个主干下的表现到底差多少？VLM 路线（RT-2、π?）和 World Model 路线（Cosmos， DreamZero）——真的是两条本质不同的路，还是只是 "辅助信号" 的选择不同？多模态协同训练、跨具身联合训练 ——到底有没有用？提升有多大？在 LIBERO 上 SOTA 的方法，到 RoboCasa、RoboTwin, Behavior 上还能打吗？

在 StarVLA 之前，这些问题几乎没有人能给出系统性答案—— 因为根本没有同时支持这一切的统一平台。

二、StarVLA 是什么？一个 "全栈式" 的 VLA 实验平台

StarVLA 的设计哲学非常克制：不发明新方法，而是把别人发明的好方法，统一搬到一个屋檐下。

整个框架由四层可插拔模块组成：

每一层都可以自由替换、自由组合。 想做 "换动作头不换主干" 的对比？改一行配置。想验证 "协同训练" 的效果？改一个开关。想把 LIBERO 上训好的模型搬到 RoboTwin 上跑实机？同一个接口。

这就是为什么华体汇(中国)说它是 VLA 领域的 "PyTorch 时刻"——它把之前需要重写整个工程才能做的事，变成了改一行配置文件的事。

三、广义 VLA 视角：所有方法，其实是一个公式

在统一这些方法的过程中，作者还提出了一个非常漂亮的理论观察。

VLA 看似流派众多 —— 有的基于语言模型，有的基于视频生成模型；有的自回归，有的扩散；有的单系统，有的双系统 —— 但当你把它们都塞进同一个框架后会发现，它们在数学结构上可以用同一个公式表达：

不同方法的本质区别，仅在于选用什么 "预训练模型初始化" 以及 "辅助训练的信号" 是什么：

VLM 路线：辅助信号是语言推理（让模型继续 "会说话"）；World Model 路线：辅助信号是未来画面预测（让模型继续 "会想象"）；极简路线：干脆没有辅助信号，纯动作监督。

作者把这个统一视角称为"广义 VLA"（Generalized VLA）。它意味着：与其纠结 "该选哪条路线"，不如思考 "该选什么样的辅助信号"。这一视角，为后续 VLA 的系统性研究提供了一个清晰的理论坐标系。

VLM to VLA 和 World-Model to VLA 的统一架构

四、几个 "反直觉" 的实验发现

虽然 StarVLA 主打 "平台" 而非 "刷榜"，但作者在搭建过程中也 "顺手" 做了一批严格控制变量的实验，结果颇有意思：

发现 1：极简设置就能打出强基线

不做任何数据增强、只用基准原始数据和公开预训练权重，StarVLA 在 LIBERO 上仅用 30K 步就达到了 98.8% 的成功率， 在其他主流的 SimplerEnv, Robocasa-GR1, Robotwin 2.0, LIBERO-Plus 上也都有和主流大厂的模型具有非常接近的效果。

而前人代表方法 OpenVLA-OFT， GR00T, PI 等 在同一基准上需要 175K 步 ——训练步数减少了 6 倍。

这说明：以前很多论文堆的 "训练 trick"，可能并没有想象中那么必要。一个干净、统一的工程实现本身，就能释放出巨大的性能空间。

发现 2：数据 "杂" 反而更强 —— 通用模型超越专用模型

把 LIBERO、SimplerEnv、RoboTwin、RoboCasa 四个基准的数据混在一起训练同一个模型，结果在难度最高的类人操作基准RoboCasa-GR1 上，成功率从 48.8% 提升到了 57.3%。

这意味着：跨任务、跨形态的多样化数据并不会 "互相干扰"，反而会带来正向迁移。这是支持 "机器人大一统模型" 路线的一个重要经验证据。

发现 3：VLM 主干 vs World Model 主干，差距没有想象中大

在同一个 OFT 动作头下分别接入 Qwen3-VL（VLM 路线）和 Cosmos-Predict2（World Model 路线），两者的性能相当接近。

这是一个非常重要的初步结论：业界一直在争论的 "哪条路线才是 VLA 的未来"，可能本身就是个伪命题—— 真正决定性能的，也许并不是主干的 "血统"，而是辅助信号、训练策略和数据组合。

发现 4：不做协同训练，VLM 会在几千步内 "失忆"

把一个预训练好的 VLM 微调成机器人策略时，它在几千步内就会迅速丢失原有的视觉理解和语言推理能力—— 物体识别变差、空间定位崩坏、指令理解退化。

而加入多模态协同训练后，模型可以同时保住 "动脑" 和 "动手" 两种能力。这一现象在论文中以清晰的曲线图呈现，给所有想要微调 VLM 做机器人的研究者提了一个醒。

五、为什么这件事 "值得被看见"？

VLA 是当前最受资本和学术界关注的具身智能方向之一，但它也是最容易陷入 "内卷式刷榜" 的方向：每家都报告自己 SOTA，但没人能在公平条件下被验证。

StarVLA 的意义恰恰在于打破这种困境：

?对研究者：终于有了一个可复现、可控制变量的实验平台，做消融、做对比不再需要从零造轮子；

?对工程师：模块化设计 + 统一接口，从 "换主干" 到 "换基准" 再到 "上实机" 全部打通；

?对整个领域：当所有方法都能在同一个框架里被公平地 "摆出来"，VLA 的发展就从 "比谁声音大"，进入到 "比谁经得起验证" 的科学阶段。

这正是一个领域走向成熟的标志 —— 也正是华体汇(中国)说它是具身智能的"PyTorch 时刻"的原因。

六、开源信息

StarVLA 由香港科技大学团队联合开源社区共同推出，目前全部代码、训练脚本、评估接口与预训练权重已开源，并将持续迭代。

论文：https://arxiv.org/pdf/2604.05014代码仓库：https://github.com/starVLA/starVLA (目前已经 2.2k star, 感谢大家)已支持基准：LIBERO、SimplerEnv、RoboTwin 2.0、RoboCasa-GR1、BEHAVIOR-1K已集成方法：[QwenVL and Wan] X [FAST、OFT、π?、GR00T] 各式各样的 backbone X action header …

如果你正在做 VLA 研究、想搭一套机器人策略基线、或者只是想搞清楚 "这些花里胡哨的 VLA 模型到底差在哪"——这个仓库，值得 Star 一下。

本文报道由港科大 StarVLA 团队提供素材，面向关注具身智能与机器人大模型的读者。欢迎在 GitHub 上参与讨论与共建。


社会救助法7月起施行 将保障哪些群体？一文了解
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-薛凯琪吃黑肠原版-薛凯琪吃黑肠原版2026最新N.11.17.88-2265安卓网

华体汇电竞-华体汇(中国)

80岁老爷爷坐轮椅看苏超
首页>>多地创新工作方法、强化服务保障 支持青年发展 激励干事创业
80岁老爷爷坐轮椅看苏超

华体汇电竞-华体汇(中国):80岁老爷爷坐轮椅看苏超

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

40.73MB
版本{版本}
下载APK高速下载
下载再港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA安装你想要的应用 更方便 更快捷 发现更多
喜欢59%好评(91人)
评论51
港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA截图0港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA截图1港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA截图2港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA截图3港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA截图4
详细信息
应用介绍
?第一步：访问《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》官网?首先,打开您的浏览器,输入《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》。您可以通过搜索引擎搜索或直接输入网址来访问.??
?第二步：点击注册按钮?一旦进入《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。??
?第六步：阅读并同意条款?在注册过程中，《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站的条款，恭喜您！您已经成功注册了《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站账户。现在，您可以畅享《港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!??
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA

华体汇电竞-华体汇(中国): 港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • 演员刘洵去世
    2026-06-16 10:49:22
  • 中国代表团在《不扩散核武器条约》第十一次审议大会第一主要委员会的一般性发言
    2026-06-16 10:49:22
  • “蓬勃之美——杜建民书画展”在京启幕
    2026-06-16 10:49:22
安卓手机网上最贴心的Android软件应用平台!版权所有：港科大联手社区开源StarVLA：一个框架揭秘所有主流VLA有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1