【图片中转测试，未发布】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智能工程底座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覆盖。报告显示，14种策略接入统一评测，推理频率提升2.31至9.64倍，并在ALOHA、Franka及自研人形机器人LimX Oli上完成真机闭环验证。在线强化学习使SmolVLA成功率提升10至15.4个百分点。该底座打通训练、评测、部署全链路，旨在解耦底层基建与上层算法，降低重复工程成本。
延伸解读
统一评测让策略对比有了共同标尺
报告将14种策略接入同一套LIBERO闭环评测，并在RoboCasa GR-1、RoboTwin与RoboDojo上各接入8种策略。这意味着不同架构的模型可以在相同任务和指标下比较，减少因环境配置、数据格式不同带来的偏差。对研发团队而言，这种标准化评测有助于判断新模型是否真正进步，而不是只在小范围自测中表现良好。
在线强化学习补足模仿学习的短板
文章指出，仅靠模仿学习训练出的模型遇到未见过的情况容易失效，而在线强化学习让模型在环境中试错。FluxVLA Engine集成RLinf后，兼容的流匹配策略可直接进入在线交互训练。以SmolVLA为例，在LIBERO-10和RoboTwin Clean十项任务上，成功率分别提升10.0和15.4个百分点。这说明工程底座可以把强化学习的复杂流程封装起来，降低团队接入门槛。
推理加速与动作衔接共同改善真机表现
真机部署不仅要求模型输出合理动作，还要满足控制回路的实时性与平滑性。报告显示，针对8组模型与设备组合，优化后推理频率提升2.31至9.64倍，且GR00T动作头加速后与原版余弦相似度超过0.99999。同时，实时动作分块协调机制利用上一段动作的尾部约束下一段预测的开头，减少动作突变。这些工程优化不改变模型权重，却直接影响机器人执行的稳定性和流畅度。
人在环闭环把真机纠错转化为训练数据
文章强调，机器人在真实世界中出错或被人接管纠偏的过程，如果无法回流为训练数据，数据飞轮就转不起来。FluxVLA Engine将人在环执行与学习做成标准模块，支持人类接管、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奖励建模后升至78.5%，进一步采用ARM优势加权行为克隆后达到99.4%。这展示了工程链路对数据复用和模型迭代的实际价值。
Q&A
FluxVLA Engine 是什么？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，打通训练、评测、部署全链路，旨在解耦底层工程基建与上层算法，让团队复用工程能力，减少在配环境、改接口等重复工程上的投入。
FluxVLA Engine 第二版技术报告相比首版有哪些主要更新？
V2 新增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 14 种策略接入统一 LIBERO 闭环评测，推理频率提升 2.31 至 9.64 倍，并在 ALOHA、Franka、LimX Oli 等多款真机上完成闭环验证。
在线强化学习在 FluxVLA Engine 中带来了多少效果提升？
以 SmolVLA 为例，经过在线强化学习后，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，说明小参数模型也能通过闭环试错显著提分。
FluxVLA Engine 如何解决真机部署时的卡顿和动作不连续问题？
它通过底层推理重构大幅提升推理频率（2.31 至 9.64 倍），并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预测的开头，再经轨迹后处理平滑滤波与运动学约束，保证下发动作平稳。
FluxVLA Engine 的评测体系有什么特别之处？
它提供细粒度评测，不仅看最终成功率，还实时记录任务阶段进度，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，帮助定位失败原因是视觉感知、长程规划还是精细控制。
FluxVLA Engine 如何支持人在环数据回流和持续学习？
它将人在环执行与学习闭环做成标准工程模块，支持人类随时接管纠偏并自动采集纠偏数据与奖励标注；在 ALOHA 毛巾折叠任务中，采用 ARM 优势加权行为克隆后成功率从 62.1% 提升至 99.4%，吞吐量从每小时 18 回合提升至 32 回合。
