逐际动力 FluxVLA V2：14 种策略与 9.64 倍推理加速

一句话结论：逐际动力开源的 FluxVLA Engine 在 2026 年 10 月 22 日更新到第二版技术报告，把 14 种具身策略接进同一套 LIBERO 闭环评测，在线强化学习让 SmolVLA 在 LIBERO-10 上从 66.2% 升到 76.2%，推理路径优化把控制频率提升 2.31 到 9.64 倍，这套底座的价值在于让不同出处的策略第一次可以放在同一把尺子下比较。

具身智能领域有一个长期的尴尬。VLA 模型、世界动作模型、离线强化学习方法各自跑出了不错的分数，但这些分数往往无法横向对照，因为数据格式、训练栈、评测协议、推理运行时和本体接口全都各自为政。一份算法 checkpoint 落地成能跑的机器人系统，中间要跨越的工程债往往比算法本身还厚。逐际动力开源的 FluxVLA Engine 瞄准的就是这段距离，它本身不提供新的策略模型，交付的是一套把异构组件标准化为可复现工作流的工程底座。

首版到 V2：半年内补上的三块缺口

FluxVLA Engine 于 2026 年 4 月 8 日开源，技术报告的 arXiv 版本编号 2609.17210，v1 提交于 9 月 15 日，v2 修订于 10 月 22 日。半年多的迭代节奏在 README 的更新日志里留有完整记录。

V2 相对首版有三个明显变化。在线强化学习后训练从无到有，仿真评测从 LIBERO 与 RoboCasa 两套扩展到 RoboDojo 与 RoboTwin，真机部署的覆盖从单一本体扩到多类硬件。这三件事指向同一个判断，具身研发的瓶颈已经从算法竞赛转到了工程与数据的可复用性上。

14 种策略同台：统一评测协议的价值

首版技术报告最吸引人的一个数字是 14。平台把 14 种策略接入同一套 LIBERO 闭环评测，其中包含以 inference-only 方式接入的 GPT-6 Astra 这种纯 API 策略，不提供权重也不参与训练，评测器照常完成策略接入、闭环调度与证据记录。13 个本地 checkpoint 策略里有 11 个在 LIBERO 平均成功率上超过 95%。

评测器在执行调度上还有一个容易被忽略的设计。评测时从每个 H 步预测中只执行前 K 步，这个前缀长度可以配置。较小的 K 值提升反应性，较长的 K 值摊薄推理开销。这套调度被放在模型之外，同一个训练好的策略可以在不同闭环调度下被评测，并且能通过同一条真机执行路径直接部署。

这组数据暴露出一个反直觉的现象。LIBERO 上的高分几乎饱和，领先策略之间的差距不到一个百分点，但换到 RoboCasa GR-1 桌面双臂任务，成功率整体掉到 40% 到 57% 区间；再换到 RoboDojo，数值降到个位数。RoboDojo 覆盖 42 个任务，单模型最多跑到 2100 次试验，并按泛化、记忆、精度、长程任务、开放指令五个维度生成能力雷达图。从 LIBERO 到 RoboDojo，掉的是三个数量级。

SmolVLA 那条 8.75% 的 RoboCasa 成绩最能说明问题。它在 LIBERO 上有 84.7%，在 RoboTwin 干净环境下有 86.45%，到了 RoboCasa 只有 8.75%，差距 77 个百分点。它的训练数据是 24 个任务全量数据且冻结 VLM，而 GR00T N1.5 用同样 24 个任务但只有 30 条示范就拿到 44.3%。基准之间的落差到底来自算法差异还是外围系统的差异，恰恰是这套统一评测想回答的问题。

RoboTwin 一栏还有个细节值得记住。π0.5 在干净环境下 81.04%，随机化环境 83.56%，随机化反而更高。环境随机化本该增加难度，这里出现反转，提示不同策略对环境扰动的响应方式存在系统性差异。

在线强化学习：LIBERO-10 提升 10 个百分点

V2 报告里最有新意的部分是在线强化学习实验。平台接入 RLinf，让兼容 flow matching 的策略可以直接进入在线交互训练，无需重写模型与数据管线。在两组配对实验中，都从同一个 SmolVLA 的 SFT checkpoint 出发，做任务级 PPO 后训练 40 轮外迭代。

这组数字的量级值得单独说。前面表格里离线训练的策略在 LIBERO 上普遍 95% 以上，在线 RL 之后从 66.2% 到 76.2%，绝对值并不高。两条曲线测的是两件不同的事，离线评测是在见过数据的分布内做插值，在线 RL 是在交互中学习新策略，两者的难度不可直接比较。真正说明问题的是同一 checkpoint 上的配对增量，因为起点、模型、任务全部相同，10.0 与 15.4 个百分点的差异只能归因于在线交互数据本身。

RoboTwin Clean 的增幅更大，15.4 个百分点接近 LIBERO 的 1.5 倍，也符合直觉。双臂操作任务的动作空间更大、失败模式更杂，通过试错能拿到的信息量更丰富。同一套方法在不同任务结构上表现出不同的收益幅度，这是在线学习比离线微调更有价值的地方。

推理加速 2.31 到 9.64 倍：替换执行图而非重训策略

VLA 的训练实现为梯度计算与架构灵活性优化，并不天然产生高效的部署图。flow matching 策略把这一点放大了，每次动作查询都要执行视觉语言编码器并反复评估动作去噪器。FluxVLA 的做法是让配置定义一个 inference_model，checkpoint 保持不变，用面向推理的实现替换选定模块乃至整条预测路径。

具体路径上，GR00T 路线替换为推理专用的骨干与 flow matching 头，π0.5 路线把视觉编码、语言条件、action expert 与去噪循环整条管线展开进一张 CUDA Graph，消除视觉语言前缀与反复动作解码之间反复跨越主机边界的问题。平台还用 Triton 融合算子与定制 CUDA 算子消化跨 transformer 层与去噪迭代中的小算子开销，并配合静态 buffer 在首次预测时完成预热与图捕获。

这里的关键区别在于加速没有动策略本身。checkpoint 保持不变，加速是同一组已学参数上的另一种执行图。这条思路和 [千诀 Polibrain 世界模型](/qianjue-polibrain-predictive-world-model-cross-embodiment-2026/) 强调的跨本体复用是同一个方向，先把工程底座标准化，再谈上层模型迭代速度。

从 checkpoint 到真机：Runner 与 Operator 的分工

物理执行的目标是把预测动作变成以稳定控制频率交付的命令。FluxVLA 把这件事拆成观测预处理、动作预测、动作后处理、命令执行四个阶段，职责分给两侧。runner 持有模型恢复、在线数据管线、动作块调度与实时分块以及轨迹后处理等时序状态；operator 持有传感器采集、按时间戳的观测同步与命令传输。

这样拆分的好处是机器人通信代码不再成为模型的隐藏依赖。同一套模型与预处理配置，只需替换最后的观测与执行边界，就能从仿真切到真机。

真机侧的实测数字如下。ALOHA 六个任务上 π0.5 总体成功率 72.22%；双臂 Franka 五个任务上 GR00T N1.7 达到 88.00%，π0.5 为 79.00%。配套的 ARM 奖励建模研究把真机毛巾折叠成功率从 62.1% 提升到 99.4%，验证了数据、奖励、训练、部署这条完整闭环。

实时分块（Real-Time Chunking）负责解决异步执行的块与块对齐问题。当预测与执行重叠，新生成的动作块有一部分在可用时已经过时。RTC 把上一个动作块中尚未执行的部分变成下一次预测的显式条件。报告提供两条路线，训练时 RTC 会在训练中采样模拟延迟，让模型见到干净前缀；测试时 RTC 不改训练，只在推理时对前缀误差施加引导。FluxVLA 额外提供了一种低成本近似，把加权前缀误差直接加到预测速度上，无需对去噪器反向传播。

轨迹后处理是反归一化与命令执行之间的可选阶段。关节空间 MPC 把策略输出视为参考轨迹，逐关节在固定时域上优化位置、速度、加速度与 jerk，用 OSQP 求解；Ruckig jerk 限制滤波则是计算量更小的替代方案，代价是可能引入参考滞后。配置把三个决策正交分离，轨迹如何生成、期望什么终端行为、是否需要与仍在执行的旧轨迹缝合。

四项工程原则与一处数据打包细节

整套底座围绕四条原则构建。统一配置让 VLA、世界动作模型或离线策略的整个生命周期都放进同一份实验描述，训练与部署复用同一套预处理管线与 checkpoint 约定。模块解耦用基于注册表的抽象把视觉语言骨干、projector、动作头、runner 与机器人操作符彼此分离，换视觉编码器不必复制整套技术栈。加速部署提供连接仿真与物理机器人的统一运行时。实验可复现则通过安全的权重序列化、可恢复训练、显式随机种子与确定性评测控制、结构化结果聚合来完成。

有一个容易被忽略但影响很实际的细节。机器人学习系统常见的部署失败是，训练 checkpoint 只包含任务相关的参数更新，却隐式依赖原始预训练权重与预处理资产。FluxVLA 把完整的训练后模型状态、解析后的配置与推理所需元数据打包成自包含的 artifact，评测与部署可以直接从运行 artifact 重建策略，无需找回原始预训练权重。这解决的是配置与版本错配这类查起来极其痛苦的故障。

数据侧也有对应设计。原始轨迹统一转成兼容 LeRobot 格式的 Parquet 表示，训练样本从 episode 一致的时序窗口构造，transform 列表完全通过配置组合与重排，归一化统计随模型 artifact 保存，保证训练侧预处理与推理侧动作恢复的一致性。平台上还集成了 FluxBiSim 双臂仿真基准、FluxDAgger 双臂 DAgger 流程，以及模型解耦的人在环 rollout、接管、纠正收集与奖励标注。

常见问题

FluxVLA Engine 是一个模型还是一套工具

是一套工程底座，不含自研策略模型。它的做法是把数据集、视觉语言与世界模型、动作头、奖励加权学习、分布式训练、仿真评测、优化推理、机器人操作符这些组件的接口标准化，让第三方策略能换着玩。报告里明确说了它不做的是引入又一个策略模型。

把 14 种策略放进同一套评测，价值到底在哪

价值在于消除了不可比。以前不同论文的分数因为数据格式、相机顺序、坐标系、动作表征、归一化统计假设各不相同而无法对照，现在同一 checkpoint 可以在不同闭环调度下被评测，第三方 API 模型与自训练权重能按同一协议接受审计。本轮数据也证明了这个价值，LIBERO 上 95% 以上的饱和分数在 RoboCasa 上整体掉到 40% 到 57%，基准之间的落差到底来自算法还是外围系统，第一次有了可查的答案。

在线强化学习后训练值得普通团队投入吗

看场景。LIBERO-10 从 66.2% 到 76.2% 的配对增量说明在线交互数据确实有独立价值，尤其在双臂这类失败模式复杂的任务上增幅更大。但接入 RLinf 需要先把策略改造成兼容 flow matching 的形式，训练栈成本不低。策略已在 LIBERO 上接近饱和的团队，收益会明显小于做长程或双臂任务的团队。

小结

FluxVLA Engine V2 提供的价值不在某一个新分数，而在把具身研发的三个长期痛点同时标准化。评测上，14 种策略含纯 API 模型接入同一套 LIBERO 闭环，让跨出处比较第一次可行。训练上，在线强化学习用同一 checkpoint 的配对实验给出 10.0 与 15.4 个百分点的干净增量。部署上，推理路径替换带来 2.31 到 9.64 倍频率提升，π0.5 在 A100 上从 2.2 Hz 到 21.2 Hz，Runner 与 Operator 的解耦让同一套模型能跨本体迁移。

而这组数据里最值得反复看的数字是掉落幅度。LIBERO 98.65% 到 RoboDojo 4.84 分，中间隔着 RoboCasa 的 57% 与 40% 区间，三套基准之间差着三个数量级。基准本身有多难决定了这个领域的真实进度，拿单一榜单分数讨论技术路线基本没有参考价值。这也是这套底座真正想提供的判断依据，与 [高德 λ0 全身基座模型](/amap-lambda0-humanverse-500-humanoid-whole-body-model-2026/) 报告里 62.5% 的真机成功率、[英伟达机器人标注引擎 Flora](/nvidia-flora-robot-video-labeling-0-72-dollar-20261025/) 解决的数据标注瓶颈指向同一件事，具身智能的短板已经从模型侧全面转移到工程与数据侧。

相关阅读

• 千诀 Polibrain 世界模型发布：5 类机器人复用，隐变量早 LeCun 一年
• 高德 λ0 全身基座模型：500 小时人类数据，真机成功率 62.5%
• 英伟达开源机器人标注引擎 Flora：1 小时标注 0.72 美元
• Hy-Nomas 拆解：8B 世界模型用 20.53 GiB 显存跑 100 秒