这或许是规模化落地最需要的基础设施

VLA现在几乎成了具身智能能力训练最主流的范式。

过去一两年的时间里，新模型一个接一个地冒出来：π0、GR00T、SmolVLA、Cosmos……每隔几周，仿真基准上的SOTA就得换一次。而如果你真的试过把某个checkpoint部署到真实机器人上，就会发现这条路中间横着不少难题。

比如数据格式要反复转换，训练栈和推理栈各有一套逻辑，仿真里的成功没法直接复现到真机，换了模型还得重写整套工程代码。这些“脏活累活”消耗的精力，往往比算法本身还多。一个算法checkpoint，离一个能跑的机器人系统，缺的不是一个好用、高分的大模型，而是一整套标准化、可复用的工程体系。

这段距离，正是逐际动力开源 FluxVLA Engine 想要解决的问题。逐际动力作为具身智能机器人主机厂，在今年4月将这套工程底座正式开源，9 月发布的技术报告，首次详细展现了FluxVLA Engine在大模型系统工程全流程的优化成果，进一步优化了系统工程效率。

技术报告：https://arxiv.org/abs/2609.17210 主页：https://github.com/FluxVLA/FluxVLA

Hugging Face：

https://huggingface.co/limxdynamics/FluxVLAEngine

01. 

统一工作流：让异构模型复用同一套工程底座

FluxVLA Engine 的核心设计思路，用四个词可以概括：统一配置、标准接口、模块解耦、加速部署。它不是在某个点上做优化，而是把整个具身智能研发链路的每个环节标准化，把异构的具身策略组件整合为一条可复现的“数据到部署”工作流。

 

这套体系最底层的支撑，是All-in-one 配置机制+注册表架构。

简单来说，平台用单一配置文件统一管理数据、模型、训练、评测、推理与部署参数，同时用类型键控的注册表，把数据集、骨干网络、动作头、runner、机器人操作符等各类组件都标准化。每个组件只需要满足约定的接口，就可以插拔式替换，而不用改动整个工作流。

这带来的最直接价值，就是模型接入的成本被大幅降低。在传统模式下，接入一个新模型意味着要适配数据管线、重写训练逻辑、对接评测框架、调试部署链路，工作量以周计。而在 FluxVLA Engine的体系里，新增一个模型只需要注册相应组件并提供符合约定的配置，原有数据、评测、部署能力都可以直接复用。

9 月的更新就是最好的例证：新增 GR00T N1.7 原生支持，不止是加载模型权重，而是完整覆盖了训练、数据处理和评测所需的全套配置，开发者拿到手就能直接在现有工作流里跑起来。与此同时，PI0、PI0.5、SmolVLA 等不同路线的策略，也都补齐了 RoboDojo 训练与评测配置。截至目前，这套底座已经承载了 14 种不同架构的策略，从紧凑型 VLA、flow-matching 模型，到模块化 VLM + 动作头、WAM，都能在同一套流水线里完成训练与评测；GPT-6 这类纯 API 调用的大模型则以只做推理的方式接入同一套评测。

更重要的是，这种解耦让跨模型对比变得真正有意义。

过去不同模型的结果差异，可能来自数据预处理、评测协议的不同，而在 FluxVLA 的统一框架下，数据管线、评测器、部署链路这些外围变量被固定下来，性能差异来自算法还是来自工程，第一次可以被拆开检查。这对学术研究的可复现性，以及产业端的模型选型，都是基础性的价值。

除了模型侧，数据侧也做了标准化：原始轨迹统一转换为兼容 LeRobot 格式的 Parquet 表示，归一化统计量随模型 checkpoint 一起保存，保证训练侧预处理和推理侧动作恢复的一致性。很多团队踩过的 “训练和推理归一化不一致导致真机失效” 的坑，在这里从工程层面就被规避了。

02.

评测基建标准化，让跑分从“黑盒游戏”变成“能力体检”

长期以来，具身大模型的评测都处在一种“黑盒跑分”的状态。只给一个最终成功率，过程不可追溯，条件不可复现。你不知道模型是在哪一步失败的，也不知道高分是靠特定条件“刷”出来的，还是真的具备泛化能力。更现实的是，不同团队的评测结果根本没法横向对比，数据预处理不一样，评测协议不一样，排名的实际意义并不高。

FluxVLA做的评测基建，本质是建立了一套可追溯、可审计、可对比的标准化评测体系，把“跑分游戏”变成了真正的能力验证。

这套评测体系的核心是闭环重建逻辑。每次评测都从checkpoint完整恢复模型和预处理状态，将环境重置到严格受控的初始条件，再执行完整的闭环任务。评测同时保留任务、试验、运行三个粒度的证据，甚至支持输出每一次运行的过程视频。

9月补齐的RoboDojo评测能力，把这套标准化评测推向了更细的粒度。42个任务、每个模型2100次试验的完整覆盖，输出的不只是单一的成功率，还会按能力维度聚合，拆分标准布局与随机布局下的泛化表现，同时给出进度分数与成功率两个指标。它不会笼统地说“这个模型很强”，而是会清晰地告诉用户，它在已知场景下表现稳定，但陌生环境泛化不足；定位精度很高，但末端执行容易失误。

对研发来说，这相当于从盲测变成了精准体检。以前优化模型靠猜，现在可以精准定位短板，针对性迭代。

更有行业价值的一点是，这套评测基建是完全开放的，不绑定本地训练的模型。

例如，报告中GPT-6以纯API调用的方式接入同一套评测体系，不需要提供权重，不参与训练，同样输出完整的评测结果。这意味着，无论是开源模型、闭源API还是自研策略，都可以在同一套标准、同一套流程下接受检验。

当行业有了统一的评测标尺，各家的技术进展才真正有了横向对比的意义，整个领域的进步也才能脱离自说自话的跑分游戏。

03.

部署基建打通，填平仿真到真机的大裂谷

如果说训练和评测还停留在数字层面，那部署就是具身大模型真正的“大裂谷”——仿真里再完美的模型，一上真机往往性能直接腰斩。

这个鸿沟从来不是算法造成的，而是工程基建的缺失。训练出来的模型直接发给机器人，会遇到三层绕不开的问题：推理速度跟不上控制频率，动作分块导致执行卡顿，输出轨迹超出硬件约束。绝大多数团队的真机落地工作，本质上都是在反复填这三个坑，而且不同机器人本体、不同模型都要重新填一遍。

FluxVLA的部署基建，就是把这些踩坑沉淀下来的工程能力，做成了标准化的三层架构，让模型从仿真到真机，有了可复用的落地路径。

第一层是推理加速基建。VLA的训练代码是为梯度计算和架构灵活性设计的，直接用于部署效率极低。FluxVLA的思路是：不改变模型权重和策略效果，只替换推理执行图。针对不同模型做专属的计算图优化，用Triton融合算子、CUDA Graph捕获整条推理管线，消除冗余的内存拷贝和算子调度开销。

 

最终的效果是，在8组不同设备与模型组合上，推理速度实现了2.31到9.64倍的提升。从数据中心的A100，到桌面端的RTX 5090，再到边缘端的AGX Orin，全场景都有对应的加速方案。加速前后动作头输出的余弦相似度超过 0.99999——换掉的是执行图，策略计算保持不变。（报告同时注明：该测试基于随机权重，闭环任务验证仍需单独做）。

第二层是实时分块（RTC）机制，专门解决异步执行的动作抖动问题。模型推理和机器人控制是异步的，等新的动作块计算出来，前一块已经执行了一部分，硬拼接就会出现跳变。RTC会把上一块还未执行的部分，作为下一次预测的显式前缀，让新动作从当前真实执行状态“续”上去，保证动作连续流畅。

第三层是轨迹后处理基建。模型输出的是理想轨迹，但机器人有关节速度、加速度、加加速度的物理限制，直接下发轻则报警重则伤机。平台提供了关节空间MPC和Ruckig滤波两种标准化后端，把模型输出的参考轨迹，正则化到机器人可执行的运动包络内，同时支持新旧轨迹的平滑衔接。

三层部署基建加起来，真正把模型输出变成了机器人能执行的动作。并且重点是这套能力是可复用的，仿真和真机共用同一套策略接口，换机器人只需要替换对应的操作符、并按本体重新适配数据与控制模式，不用重构整条部署链路。

04.

让一次性训练变成持续进化的飞轮

前面三层基建，解决的都是“从模型到机器人”的正向链路。而FluxVLA真正拉开差距的地方，是它打通了反向的闭环——让真机的真实经验，反哺模型的持续进化。

在传统的研发模式里，真机实验的价值只停留在“验证”层面。跑成了，说明模型还行；跑砸了，也很难把失败的经验转化回训练数据。数据格式不统一、失败场景没有标注、人类的接管和纠正无法结构化，导致大量宝贵的真机经验被白白浪费。模型训练完就定型了，后续的真机运行不会带来能力的持续提升。

FluxVLA把人在环交互与数据回流直接做进了体系里。真机执行过程中遇到的失败场景，人类可以直接接管、纠正操作，这些交互数据会被完整采集，加上奖励标注，自动转化为标准化的训练数据，回流到下一轮训练中。

 

这给具身智能行业带来的关键影响，是研发范式开始发生转向：从“训练-评测-部署”的一次性线性流程，变成了“数据-训练-部署-采集-再训练”的持续闭环迭代。跑的场景越多，积累的数据越多，模型的能力就越强，形成正向飞轮。

最典型的例证就是毛巾折叠任务的迭代，从单纯行为克隆的62.1%成功率，到加入奖励加权训练的78.5%，再到优势加权行为克隆（AW-BC）的 99.4%（注：数值转录自配套研究，其未披露评测次数）。这样的成功率就是通过闭环基建，让真机经验持续反哺训练，一步步迭代出来的结果。

这种模式，才是具身智能真正走向通用的路径。真实世界的场景无穷无尽，靠人工编写数据集、靠仿真模拟永远追不上，只有让机器人在真实任务里不断跑、不断学、不断迭代，才能真正长出适应真实世界的能力。而闭环基建，就是支撑这个过程的底层骨架。

05.

结语

回到开头那个问题：VLA社区不缺新模型，缺的是什么？

答案或许是让这些模型真正跑起来的工程体系。数据格式的统一、训练栈的标准化、评测协议的可追溯、真机部署的稳定性。这些工作不像刷榜那样引人注目，但它们是具身智能从实验室走向真实世界的必经之路。

FluxVLA Engine的意义，在于它把这条路上最枯燥、最容易出错的环节系统化了。

当然，FluxVLA Engine还在快速迭代中，但方向是清晰的：把具身智能能力开发做成可复用的工程体系，让每一次模型接入、能力验证、真机部署与数据迭代都共享同一套底座。

这或许是具身智能走向规模化落地最需要的那个基础设施。

主页：https://github.com/FluxVLA/FluxVLA