工程能力一键复用，专心卷新能力！轮子造一次就够了｜详解FluxVLA Engine技术报告
内容提要
逐际动力发布开源具身工程底座FluxVLA Engine第二版技术报告，新增在线强化学习后训练，并扩展仿真评测与真机部署能力。平台统一数据与模型接口，支持14种策略评测；优化推理使频率提升2.31至9.64倍，结合实时动作协调与轨迹后处理提升真机稳定性；通过Runner/Operator解耦实现跨本体部署，支持人在环纠偏与数据回流，形成训练、评测、部署全链路标准化方案。
延伸解读
在线强化学习：小模型也能“实战提分”
V2报告新增的在线强化学习实验，为模仿学习模型提供了闭环试错的提分路径。以SmolVLA为例，从同一SFT检查点出发，经40轮PPO后训练，LIBERO-10成功率从66.2%升至76.2%，RoboTwin Clean从45.9%升至61.3%。这说明小参数模型也能通过在线交互榨出潜力，但需注意实验为任务专用后训练，并非通用能力提升。
推理加速：不改权重，最高9.64倍
FluxVLA Engine在不改动模型权重的前提下重构推理路径，8组模型与设备组合实测频率提升2.31至9.64倍。A100上π0.5从2.20Hz升至21.2Hz；AGX Orin 64GB上GR00T从3.20Hz升至7.40Hz。GR00T动作头数值对齐显示余弦相似度超0.99999，最大绝对误差约0.02，说明加速几乎不牺牲精度，对算力受限的真机部署尤其有价值。
真机部署：解耦接口与动作衔接
真机部署的难点在于推理与执行节奏不匹配。FluxVLA Engine通过Runner/Operator双层解耦，让不同本体只需适配Operator接口即可接入同一部署流程；RTC机制用上一段动作的尾部约束下一段预测的开头，配合轨迹后处理满足运动学约束。报告在ALOHA、双臂Franka、Rebot和LimX Oli上验证了链路，但结果旨在验证部署贯通，而非受控架构对比。
评测与数据回流：从成功率到归因
V2扩展了仿真评测：RoboTwin提供Clean与Random两种设置，RoboDojo覆盖42个任务并记录阶段进度与五维能力雷达图。这种细粒度评测能区分失败发生在感知、规划还是控制环节，减少盲目加数据。同时，人在环模块支持人类接管纠偏并自动采集数据与奖励标注，配套ARM研究在毛巾折叠任务中将成功率从62.1%提至99.4%，展示了数据回流的工程价值。
Q&A
FluxVLA Engine 是什么？它主要解决具身智能研发中的什么问题？
FluxVLA Engine 是逐际动力开源的一套具身智能工程底座，旨在将底层工程能力标准化、可复用，解决行业里每个新实验都要重复搭建一次性工程（配环境、改接口）的问题，让研发团队能专注于算法创新。
FluxVLA Engine V2 相比首版有哪些主要更新？
V2 新增了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。仿真侧支持 14 种策略接入 LIBERO 闭环评测，RoboCasa GR-1、RoboTwin 与 RoboDojo 各有 8 种策略接入；推理端实测频率提升 2.31–9.64 倍；真机部署在 ALOHA、Rebot、双臂 Franka 及 LimX Oli 等平台完成验证。
FluxVLA Engine 如何提升模型在真机上的推理速度和动作稳定性？
平台通过底层推理重构（不改模型权重）将推理频率提升 2.31–9.64 倍，例如 π0.5 在 A100 上从 2.20Hz 提升至 21.2Hz；同时引入实时动作分块协调（RTC）机制，用上一段动作的尾部约束下一段动作的开头，消除突变，再经轨迹后处理模块进行平滑滤波与运动学约束，保证动作平稳下发。
FluxVLA Engine 的在线强化学习效果如何？以 SmolVLA 为例说明。
以 SmolVLA 为例，经过在线强化学习后，在 LIBERO-10 任务上的平均成功率从 66.2% 提升至 76.2%（+10.0 个百分点），在 RoboTwin Clean 十项任务上从 45.9% 提升至 61.3%（+15.4 个百分点）。平台通过集成 RLinf，让兼容的流匹配策略可直接进入在线交互训练流程。
FluxVLA Engine 如何实现跨机器人本体的部署？
平台设计了双层解耦接口：Runner 负责模型推理、动作调度和状态管理，Operator 负责传感器数据采集、机器人通信与控制指令传输。不同机器人本体只需适配各自的 Operator 接口，就能接入同一套部署流程，大幅降低迁移成本。
FluxVLA Engine 的“人在环”数据回流机制是什么？有什么实际效果？
平台将人在环执行与学习闭环做成标准工程模块，支持机器人在自主干活时人类随时接管纠偏，并自动完成纠偏数据采集与奖励标注。在 ALOHA 八阶段毛巾折叠任务中，行为克隆基线成功率为 62.1%，采用 SARM 奖励建模后提升至 78.5%，进一步采用 ARM 优势加权行为克隆后达到 99.4%；每小时任务吞吐量从 18 个回合提升至 32 个回合。
FluxVLA Engine 的仿真评测有什么特点？相比传统评测有何优势？
平台提供细粒度评测：RoboTwin 支持 Clean 和 Random 两种环境设置，可观察模型对环境变化的适应；RoboDojo 覆盖 42 个任务、单模型高达 2100 次试验，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生成能力雷达图。这种可追溯、可定位的评测能帮助研发人员快速归因失败原因（视觉感知、长程规划或精细控制），减少盲目调参和算力浪费。
FluxVLA Engine 目前支持哪些模型和策略？
平台已深度集成 Qwen-VL、GR00T、π 系列以及 DreamZero 等主流 VLM、VLA 和 WAM 架构，并支持通过 API 裸调的 GPT-6 Astra 和 MiniMax-M3.1-Flash。在 LIBERO 评测中，13 个本地 checkpoint 策略中有 11 个平均成功率超过 95%，例如 DiT4DiT 达 98.65%，π0.5 达 97.95%。
