FluxVLA Engine技术报告详解

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。 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频率提升至2.31–9.64倍。

而在ALOHA、Rebot、双臂Franka以及逐际动力自研的全尺寸人形机器人LimX Oli等多款真实硬件平台上，报告也完整验证了从模型checkpoint直达真机闭环执行的部署链路。 在线强化学习也是这次更新的一项重点。 以SmolVLA为例，在两组配对实验中，经过在线强化学习后，其在LIBERO-10和RoboTwin Clean十项任务上的成功率分别提升10.0和15.4个百分点。 自今年4月8日开源以来，FluxVLA Engine陆续扩展模型支持、评测配方和真机部署能力。

用逐际动力自己的话来说，FluxVLA Engine就是让底层工程能力真正可复用，把宝贵的研发人力从无休止的“配环境、改接口”中解放出来，让先进的模型真正有路可走、有地可落。 告别“作坊式”重复造轮子，为具身研发建一条“标准产线”。 为什么具身智能研发这么又烧钱又费人？ 一大原因是行业里缺少统一的标准件。 对大多数团队来说，每一个新实验都是一个一次性工程。

FluxVLA Engine首要目标就是把这种作坊式的重复搭建，升级成标准化的工业流水线——逐际动力创始人兼CEO张巍就将FluxVLA Engine比作模型的生产线。 为了让这条生产线足够皮实足够好用，它围绕四项核心工程原则进行了底层架构设计。 统一配置（All-in-one）：告别满屏乱飞的脚本，用一套配置单统管数据、模型、训练、评测与部署的关键配置。 模块解耦：通过注册表和标准接口，把视觉语言骨干、动作头、数据集与训练策略做成标准乐高积木，支持自由组合，也允许保留原生策略实现。

面向部署的系统优化：不搞实验室里的纸上谈兵，从设计之初就把推理加速、RTC（实时动作分块协调）和轨迹后处理焊死在运行流程里。 实验可复现：完整封存每一次实验的配置、模型状态和执行轨迹，让成功有迹可循，让失败有据可查。 可喜的是，自今年4月开源后，FluxVLA Engine一直高频演进、持续运营。

看看它过去半年近乎急行军般的迭代日历，就能感受到这种生命力：4月8日，FluxVLA Engine正式开源 6月22日，打通LimX Oli人形全身移动操作最小推理链路 6月30日，支持单双臂Franka真机推理 9月9日，接入GR00T N1.7 9月16日，技术报告挂上arXiv 10月15日，扩展RoboDojo评测支持 10月22日，V2报告更新，补充在线RL后训练、仿真与真机评测扩展。

技术报告：https://arxiv.org/abs/2609.17210 GitHub主页：https://github.com/FluxVLA/FluxVLA Hugging Face：https://huggingface.co/limxdynamics/FluxVLAEngine。 拥有FluxVLA Engine，研发团队就像拥有了一支在背后帮你持续升级基建、不断拓宽边界的外援工程铁军。 如何用一个底座打通训、评、部署全链路。 当下，技术路线还在剧烈收敛前的震荡期。

今天火的是扩散策略，明天可能就是流匹配或者世界动作模型。 要想远离这种“换模型就重头再来”的悲惨命运，唯一的解法是把底层工程基建与上层算法解耦。 换句话说，行业需要的是一个“以不变应万变”的工程底座。 FluxVLA Engine就是这样一个开源工程底座。 它打通“训、评、部署”全链路，保障已有的工程积累不归零。 至于如何做到的，我们可以从三个关键切面来看。 第一是数据与模型。 想让风格、特性各不相同的模型共用同一条流水线，第一步就得把底层的“粮草”和接口先标准化。

在数据层面，来自不同机器人、不同仿真环境的原始轨迹，会先做显式转换、标准化清洗，整理成兼容LeRobot规范的结构（包含Parquet文件、视频以及配套元数据）。 同时，相机顺序、动作表达、归一化统计这类约定，也会做好对齐匹配。 处理之后的这批数据，可以放到同一条管线里混训，也支持按分组保留各自独有的预处理、归一化规则。 不管是训练还是推理，都会通过独立的数据入口，遵循同一套模型输入、动作处理语义。 像数据这样的核心资产，在具身智能研发过程中成本最高。 减少资产贬值、提升复用效率，本身就是具备行业价值的降本方案。

同样的逻辑也体现在模型层面。 平台目前已深度集成Qwen-VL、GR00T、π系列以及DreamZero等主流VLM、VLA和WAM架构。 不同模型完全可以保留各自的原生骨骼，同时通过统一接口丝滑接入训练、评测和部署流程。 这种设计有多爽呢？ 报告里的14种策略同台大练兵给出了最直观的证明。 这14种策略几乎涵盖了当下所有的主流门派：紧凑型VLA、流匹配策略、模块化VLM+动作头、世界动作模型，甚至还包括完全不需要本地权重、直接通过API裸调的GPT-6 Astra。

近期，还新增了API裸调的MiniMax-M3.1-Flash。 在项目报告的各自配置下，13个本地checkpoint策略中有11个在LIBERO上的平均成功率超过95%（如DiT4DiT达98.65%，π 0.5 达97.95%）。 第二个切面是在线强化学习（Online RL）。 光靠模仿学习（SFT）喂出来的模型，就像只会背题库的学生，一遇到没见过的突发状况就容易懵。 要让模型真正聪明起来，必须让它去环境里去实战前沿试错，也就是进行在线强化学习。

不过，因为在线强化学习需要把环境交互、策略更新和分布式训练串起来，工程复杂度会瞬间呈指数级爆炸，很多优秀团队都望而却步。 现在好了，FluxVLA Engine帮大家把这个硬骨头啃下来了——通过集成RLinf，FluxVLA Engine让兼容的流匹配策略可以直接拎包入住，进入在线交互训练流程，免去了重新适配模型和数据管线的痛苦。 在仿真配对实验中，每个基准的各任务均从同一SmolVLA SFT checkpoint出发，分别进行任务专用的PPO后训练。

经过40个外层迭代，LIBERO-10的任务平均成功率从66.2%提升至76.2%； RoboTwin Clean十项任务从45.9%提升至61.3%，分别提高10.0和15.4个百分点。 可以看到，平台实质性跑通了从“模仿学习起点”迈向“在线交互提分”的工程捷径，哪怕是小参数模型，也能在闭环试错中榨出惊人的潜力。 第三个切面，显微镜式评测。 过去这套评测机制特别不友好。 你没法看清模型到底是怎么跑的，最后就一个冷冰冰的成功率数字摆在那儿。 V2报告进一步扩展了仿真评测范围。

RoboTwin 新增了8种策略接入，同时提供Clean（纯净）和Random（随机）两种环境设置的成绩单； RoboDojo则对8种策略展开了涵盖42个任务、单模型高达2100次试验的“全科体检”。 前者通过比较两种设置中的表现，可观察模型对相应环境变化的适应情况； 后者除了看最终成败，还实时记录任务进度条，并从泛化、记忆、精度、长程任务和开放指令五个维度画出“能力雷达图”。

这种细粒度评测对研发人员来说简直是福音～比如一个叠衣服或抓积木的任务失败了，它其实可能已经完美走完了前三个阶段，只是在最后一步“放进盒子”时手抖了。 这时候将“阶段进度”与“最终成功率”放在一起看，就能快速发现模型究竟是眼神不好（视觉感知）、脑子不够用（长程规划）还是手脚不协调（精细控制）。 都说没有归因的评测就是盲盒炼丹。 这套可追溯、可定位的评测体系，本质上是在帮团队省钱。 因为知道病根在哪，所以下药精准度up up，盲目加数据、盲目烧算力的无效返工自然就减少了。 跨越从“仿真高分”到“真机干活”的生死线。

俗话说得好，仿真器里猛如虎，一上真机就只能慢慢慢抖抖抖。 具身模型通常会一次预测一段动作，再由机器人逐步执行。 在这个过程中，模型推理可能需要较长时间，机器人控制回路却仍在持续运行。 如果上一段动作尚未执行完毕，下一段预测就已经生成，两段动作之间便可能出现不连续。 即使模型输出的动作在数值上合理，也还需要满足机器人