投稿 提交工具 投放合作

Spirit-v1.5:机器人视觉-语言-动作模型

智能体与MCP 671 41 Python 2026-11-16 访问官网 ↗ 在 GitHub 打开

Spirit AI 的 VLA 机器人基础模型官方实现,含推理与微调代码、模型权重及 RoboChallenge 基准运行脚本。

这是 Spirit-v1.5 视觉-语言-动作(VLA)模型的官方实现仓库,模型接收机器人当前观测与文本指令,生成下一步动作块(action chunk)供机器人执行,面向机器人操作控制。仓库提供基础模型与微调模型的 Hugging Face 检查点、推理代码、微调代码(基于 torchrun 与 FSDP 的多卡分布式训练,支持梯度检查点),以及在 RoboChallenge 基准上复现结果的启动脚本 scripts/run_robochallenge.sh,需配置任务名、作业 ID、用户令牌、检查点路径等环境变量,动作块大小默认 60。系统要求 Python 3.10+,在 NVIDIA A100 80GB 上测试;依赖含 PyTorch 2.8、transformers、diffusers,训练额外需要 flash-attn 2.8.3(需与 CUDA/PyTorch 版本匹配)。README 声明截至 2026-01-11 该模型在 RoboChallenge Table30 排名第一,并明确模型仅面向机器人操作,其他场景预期会失败。

Star 趋势2026-11-10 — 2026-11-16当前 Stars 671

67111-1011-1311-16