FluxVLA/FluxVLA

An all-in-one VLA engineering platform for embodied AI — from data to real-robot deployment.

FluxVLA Engine – 具身知能研究のためのワンストッププラットフォーム

概要 – FluxVLA Engineは、研究者やエンジニアがロボット向けの視覚・言語・行動（VLA）モデルをトレーニング、評価、デプロイできるオープンソースのエンドツーエンドソフトウェアスタックです。以下をバンドルしています：

統一設定と標準化されたAPIにより、同じコードがシミュレーション、ワークステーション、エッジデバイスで実行可能。
モジュール式コンポーネント（データパイプライン、モデルバックエンド、報酬モデルトレーナー、推論ランタイム）は、システム全体を書き換えることなく交換可能。
デプロイ可能性 – Dockerイメージ、Jetson-Orinサポート、Tritonベースの推論、ZMQリモート推論ラッパー。

重要性 – ロボット対応のVLAモデルを構築するには、通常、多くの異なるツール（シミュレーター、大規模モデルトレーニング、ハードウェアドライバー）を組み合わせる必要があります。FluxVLAはその摩擦を取り除き、生データから実ロボット実行までの単一の「エンジニアリングループ」を提供し、学界と産業界の両方が具身知能AIを実験するための障壁を低くします。

主な機能（READMEに記載されている通り）

機能	READMEの説明
フルスタックプラットフォーム	データ収集、モデルトレーニング、ベンチマーク評価（LIBERO、RoboCasa、RoboDojo）から実ロボットデプロイ（Franka、Oliヒューマノイド、Jetson Orin）までを処理。
統一設定	ワンコマンドインストーラー（`scripts/install_env.sh`）で、シミュレーションのみ、実ロボットのみ、またはフルスタックのモードを選択可能。
標準化されたインターフェース	同じPython APIがシミュレーターとハードウェアの両方で動作。ZMQを介したリモート推論、高速推論のためのTritonバックエンド。
モジュール分離	別々のモデルファミリー（SmolVLA、Cosmos3-Edge、GR00T N1.5/N1.7、Qwen3VL、DreamZero、PI0/PI0.5、FastWAM、DiT4DiT）を交換可能。
デプロイ可能性	Dockerイメージ、Jetson-Orinフラッシュガイド、RTX-5090リアルタイム推論（45 Hz）、エッジ推論（7.4 Hz）。
ベンチマークスイート	LIBERO、RoboCasa GR1、RoboDojo用の事前トレーニング済みチェックポイントとスクリプト、詳細なパフォーマンステーブル付き。
拡張可能なパイプライン	FluxDAgger（モデル分離DAgger）、FluxBisim（シミュレーションベンチマーク）、報酬モデルの再重み付け（RA-BC/AW-BC）。
ドキュメント	多言語ドキュメント（EN/中文/日本語）、APIリファレンス、デプロイガイド、arXivのテクニカルレポート。

パフォーマンスのハイライト（READMEのテーブルから）

LIBEROベンチマーク – 最高平均スコアは約98％（例：FluxVLA（PI0.5）平均97.95％、FluxVLA（DiT4DiT）98.65％）。
RoboCasa GR1 – トップモデルFluxVLA（DiT4DiT）は、キャビネット、引き出し、電子レンジ、一般化タスクで平均成功率**57.25％**を達成。
RoboDojo – FluxVLA（PI0.5）は、平均進行スコア13.61、成功率**8.83％**で最高を示し、強力な長期的および記憶能力を示しています。

はじめに（インストール）

# 新しいconda環境を作成
conda create -n fluxvla python=3.10 -y
conda activate fluxvla

# ワンコマンドインストーラー – モードを選択
bash scripts/install_env.sh sim-only   # シミュレーションとベンチマークのみ
# bash scripts/install_env.sh real-only  # 実ロボットドライバーとリモート推論
# bash scripts/install_env.sh full       # すべて

インストーラーは、適切なCUDA-PyTorchビルドを自動的に選択し、スキップしない限りHuggingFaceからRoboCasaアセットを取得します。

典型的なワークフロー

設定 – YAML/JSON実験ファイル（環境、モデル、報酬モデル）を設定します。
トレーニング – 提供されたスクリプト（scripts/train.sh）を使用してトレーニングします。大規模モデル（Cosmos3-Edge、GR00T、DiT4DiT）とチェックポイント不要のGPT-6 Astra評価をサポート。
評価 – 標準スイート（LIBERO、RoboCasa、RoboDojo）で、進行状況と成功率を記録するワンライナーコマンドで評価します。
デプロイ – Dockerイメージをビルドし、Jetson Orinをフラッシュするか、ZMQを介してリモート推論を実行します。同じモデルチェックポイントを使用して実ロボット（Franka、Oli）を制御します。

誰が使うべきか

ロボティクス研究者 – VLA実験の再現可能なパイプラインが必要な方。
AIラボ – 新しい視覚・言語・行動アーキテクチャを最先端のベースラインとベンチマークしたい方。
産業チーム – 具身知能AI製品（倉庫のピックアンドプレース、ホームアシスタントロボット）を構築し、既製のデプロイスタックが必要な方。

詳細情報

コードとチェックポイント – https://huggingface.co/limxdynamics/FluxVLAEngine
テクニカルレポート – https://arxiv.org/abs/2609.17210
完全なドキュメント – https://fluxvla.limxdynamics.com （英語、中国語、日本語）
コミュニティ – バッジバーのWeChatとFeishuリンクからサポートとお知らせ。

結論 – FluxVLA Engineは、具身知能設定で視覚・言語・行動モデルをトレーニングおよびデプロイするための、ベンチマーク、実ロボットデモ、広範なデプロイツールを備えた、本格的で包括的なオープンソースプラットフォームです。