FluxVLA/FluxVLA

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

FluxVLA Engine – 具身智能研究的一站式平台

它是什么 – FluxVLA Engine 是一个开源的端到端软件栈，让研究人员和工程师能够为机器人训练、评估和部署视觉-语言-动作（VLA）模型。它包含：

统一配置和标准化 API，使同一套代码可以在仿真环境、工作站或边缘设备上运行。
模块化组件（数据管道、模型后端、奖励模型训练器、推理运行时），无需重写整个系统即可替换。
可部署性 – Docker 镜像、Jetson-Orin 支持、基于 Triton 的推理，以及 ZMQ 远程推理封装。

为什么重要 – 构建机器人就绪的 VLA 模型通常需要拼接许多不同的工具（仿真器、大规模模型训练、硬件驱动）。FluxVLA 消除了这种摩擦，提供了从原始数据到真实机器人执行的单一“工程循环”，降低了学术界和工业界进行具身 AI 实验的门槛。

主要特性（如 README 所述）

特性	README 说明
全栈平台	处理从数据收集、模型训练、基准评估（LIBERO、RoboCasa、RoboDojo）到真实机器人部署（Franka、Oli 人形机器人、Jetson Orin）的所有环节。
统一配置	一键安装脚本（`scripts/install_env.sh`），支持仅仿真、仅真实机器人或全栈模式。
标准化接口	相同的 Python API 可跨仿真器和硬件使用；通过 ZMQ 进行远程推理；Triton 后端用于加速推理。
模块解耦	不同的模型系列（SmolVLA、Cosmos3-Edge、GR00T N1.5/N1.7、Qwen3VL、DreamZero、PI0/PI0.5、FastWAM、DiT4DiT）可以互换。
可部署性	Docker 镜像、Jetson-Orin 刷机指南、RTX-5090 实时推理（45 Hz）、边缘推理（7.4 Hz）。
基准套件	为 LIBERO、RoboCasa GR1、RoboDojo 提供预训练检查点和脚本，并附有详细的性能表。
可扩展管道	FluxDAgger（模型解耦的 DAgger）、FluxBisim（仿真基准）、奖励模型重加权（RA-BC/AW-BC）。
文档	多语言文档（英文/中文/日文）、API 参考、部署指南，以及 arXiv 上的技术报告。

性能亮点（来自 README 表格）

LIBERO 基准 – 最佳平均得分约为 98%（例如，FluxVLA (PI0.5) 平均 97.95%，FluxVLA (DiT4DiT) 平均 98.65%）。
RoboCasa GR1 – 最佳模型 FluxVLA (DiT4DiT) 在橱柜、抽屉、微波炉和泛化任务中平均成功率达到 57.25%。
RoboDojo – FluxVLA (PI0.5) 显示出最高的平均进度得分 13.61 和成功率 8.83%，表明其具有强大的长时程和记忆能力。

快速开始（安装）

# 创建全新的 conda 环境
conda create -n fluxvla python=3.10 -y
conda activate fluxvla

# 一键安装脚本 – 选择一种模式
bash scripts/install_env.sh sim-only   # 仅仿真和基准测试
# bash scripts/install_env.sh real-only  # 真实机器人驱动和远程推理
# bash scripts/install_env.sh full       # 全部安装

安装程序会自动选择适当的 CUDA-PyTorch 构建，并从 HuggingFace 拉取 RoboCasa 资源，除非你跳过它们。

典型工作流程

配置一个 YAML/JSON 实验文件（环境、模型、奖励模型）。
训练使用提供的脚本（scripts/train.sh）– 支持大规模模型（Cosmos3-Edge、GR00T、DiT4DiT）和无检查点的 GPT-6 Astra 评估。
评估在标准套件（LIBERO、RoboCasa、RoboDojo）上使用单行命令进行，记录进度和成功率。
部署 – 构建 Docker 镜像、刷写 Jetson Orin，或通过 ZMQ 运行远程推理；使用相同的模型检查点控制真实机器人（Franka、Oli）。

适用人群

机器人研究人员，需要可复现的 VLA 实验管道。
AI 实验室，希望将新的视觉-语言-动作架构与最先进的基线进行基准测试。
行业团队，构建具身 AI 产品（仓库拣放、家庭辅助机器人），需要现成的部署栈。