NAT VLA 450M

NAT VLA 450M 是基于 Liquid AI LFM2-VL-450M 的机器人策略,将图像、语言指令和机器人状态转换为可流式解码的动作标记。LeRobot 支持微调和基于标记前缀的实时动作块衔接。

论文与报告 (1)

NAT:面向跨本体扩展的因果神经动作分词器

有论文

NAT: Scaling Causal Neural Action Tokenizers Across Embodiments

作者与单位 (3)

署名方式: 原文顺序

  1. Ahad Jawaid

    未提供

  2. Alexander Swerdlow

    Stanford University

  3. Yu Xiang

    The University of Texas at Dallas

首版日期
未提供
论文最新修订
未提供
会议 / 期刊
未提供

覆盖的模型版本

如何获取与使用

公开代码资源
公开获取
模型文件
公开获取
训练数据
部分公开

代码与训练/微调

获取方式
公开获取

来源核验日期 · 2026-11-22

代码许可证
Apache-2.0

核验日期 · 2026-11-22

模型文件

模型文件
NAT VLA 450M 预训练权重获取方式权重许可证商业使用
有条件可商用使用条款

核验日期 · 2026-11-22

条件说明

策略权重适用 LFM Open License v1.0。年收入 1,000 万美元的商用门槛及合格非营利机构的研究条款见第 5 节。

发布信息

来源核验日期 · 2026-11-22

部署前需核对

使用前需以目标机器人数据微调。默认 tokenizer 的流式输出和令牌前缀 RTC 最多支持 7 个动作维度,更多维度分组解码并整块返回。论文真机结果来自另行微调的 Trossen AI Solo 策略。 权重或代码可获取,不代表机器人可以即插即用。请按来源文档核对配置、数据与接口要求。

部署与使用资料

推理方式
贪心解码,最多 7 维支持流式输出及令牌前缀实时拼接
数据格式
LeRobot 数据集,需动作 min/max 和机器人状态 q01/q99
运行环境与依赖框架
LeRobot / PyTorch / Transformers
微调要求
需目标机器人数据集、相机配置、机器人配置和控制模式
部署要求
LeRobot 主分支 e5be0c1(含 nat_vla);该修订要求 Python ≥3.12、Transformers ≥5.22.0,<5.23.0

架构与输入输出

模型类型
动作策略
架构
VLA
骨干网络
Liquid AI LFM2-VL-450M
权重参数量
540222460 parameters
动作生成
自回归
输入
语言 / RGB 图像 / 机器人状态
输出
32 步,每组最多 7 维、14 个动作令牌

适用范围与训练方式

基础模型

Liquid AI LFM2-VL-450M

代码许可

Apache-2.0

本体范围

跨本体

实现来源

官方

功能方向

action_control

输出

动作

预测输出

按时间排序的 NAT 动作令牌

机器人形态

机械臂

任务范围

多任务

训练数据规模

VLA 预训练数据 1,800 小时

训练数据来源

BridgeData V2 / DROID

训练方式

模仿学习 / 预训练 / 监督微调

提交来源或更正