OpenVLA-7B

Robotiikka / VLAEi saatavilla
kehittäjä: OtherMallin tunnus: openvla-7b

Stanford/Berkeley open VLA trained on 970k Open-X-Embodiment episodes. Supports LoRA fine-tuning.

Tila
Ei saatavilla
Syöte → tulos
Teksti + Kuva → Robottitoiminnot
Kehittäjä
Other
Päivitetty
23. syyskuuta 2026

OpenVLA-7B ei ole tällä hetkellä saatavilla

Voit silti lukea tiedot tältä sivulta. Valitse yksi alla olevista saatavilla olevista vaihtoehdoista suorittaaksesi vertailukelpoisen mallin heti.

01

Leikkikenttä

OpenVLA-7B

Tutkimusmalli

Ei tällä hetkellä saatavilla

OpenVLA-7B on robotiikkamalli (vision-language-action) eikä sitä voi suorittaa railwail-ohjelmointirajapinnan kautta.

02

Tietoja: OpenVLA-7B

Lyhyesti23. syyskuuta 2026 alkaen

OpenVLA-7B on Other-kehittäjän malli kategoriasta Robotiikka / VLA. OpenVLA-7B ei ole tällä hetkellä saatavilla Railwailissa.

Tausta

Tietoja: Stanford / UC Berkeley / Toyota Research Institute

Perustettu 2024 · Stanford & Berkeley, California, USA

OpenVLA is the result of an academic-industry consortium led by Moo Jin Kim and colleagues at Stanford, UC Berkeley, and Toyota Research Institute (with contributors from MIT, Google DeepMind and Physical Intelligence). Released in June 2024, it was the first fully open-weights 7-billion-parameter Vision-Language-Action model trained on the Open-X-Embodiment dataset. OpenVLA was designed as a direct, reproducible, and parameter-efficient alternative to Google's closed RT-2 / RT-2-X, with the explicit goal of letting any lab fine-tune a 7B-class VLA on a single A100 / H100. The model, code, training recipe and fine-tuning toolkits (including LoRA) are all released under MIT-style permissive licences. OpenVLA quickly became a standard baseline in academic VLA research and the starting point for many downstream policies (CogACT, π-0-FAST baselines, embodied agent demos).

Vieraile sivustolla Stanford / UC Berkeley / Toyota Research Institute

Arkkitehtuuri

Vision-Language-Action (autoregressive discrete-token VLA)

OpenVLA combines a Llama-2-7B language backbone with a dual visual encoder that concatenates DINOv2 and SigLIP features, fused into the LLM via a Prismatic VLM-style projector. The model treats actions as discretised tokens: each continuous robot action dimension is binned into 256 bins, and the resulting tokens are appended to the LLM's vocabulary. Training is a single autoregressive next-token objective predicting both language and action tokens given image observations and a natural-language instruction. OpenVLA was trained on ~970k demonstration episodes from the Open-X-Embodiment dataset spanning 22+ robot embodiments and used Llama-2-7B as a pretrained text+code backbone, which the authors found markedly improves language grounding compared to scratch-trained VLAs. Parameter-efficient fine-tuning with LoRA is officially supported, making OpenVLA the de-facto open VLA workhorse.

Parametrit
7B

Ominaisuudet

  • Fully open-weights 7B Vision-Language-Action model
  • Llama-2-7B backbone with DINOv2 + SigLIP vision
  • Discrete action-token decoding (256 bins per DoF)
  • Trained on ~970k Open-X-Embodiment episodes
  • LoRA fine-tuning officially supported
  • Strong language-grounded manipulation across robots
  • Fits on a single A100 / H100 with quantisation
  • MIT-style permissive licence on weights and code
  • Best for: research, reproducible VLA baselines, fine-tuning on new robots.

Koulutus ja lisenssi

~970,000 robot demonstration episodes from the Open-X-Embodiment dataset (RT-X collection), spanning 22+ robot embodiments and a wide range of manipulation tasks. Llama-2-7B and the DINOv2 + SigLIP vision encoders provide web-scale pretraining priors.

Lisenssi: MIT-style permissive licence on code and weights; Llama-2 components subject to Meta's Llama-2 Community Licence. Considered research-friendly open-weights.

Turvallisuustestit: OpenVLA is a research artifact - no formal red-teaming. Safety in deployment is left to downstream systems (force limits, workspace constraints, e-stops).

Tunnetut rajoitukset

  • Discrete action tokens can limit smoothness vs diffusion policies
  • Inference latency on 7B is non-trivial for high-frequency control
  • Coverage skewed to Open-X tasks - novel embodiments need fine-tuning
  • Single-image / few-camera setup by default
  • English-only language conditioning
  • Llama-2 licence restrictions still apply to derived weights
03

Hinnat

Ei tällä hetkellä saatavilla. Tällä hetkellä tälle mallille ei ole hintaa, joten sitä ei voi suorittaa.

04

API

Kutsu OpenVLA-7B Railwail-API-avaimellasi. Käytä tätä mallin tunnusta pyynnössä:

Ei saatavilla API:n kautta

Robotiikan mallit suoritetaan robottilaitteistolla, ei railwail-API:n kautta.

05

Tekniset tiedot

Mallin tunnus
openvla-7b
Kehittäjä
Other
Syöte
Teksti, Kuva
Tuloste
Robottitoiminnot
Mallin koko
7B
Lisenssi
MIT-style permissive licence on code and weights; Llama-2 components subject to Meta's Llama-2 Community Licence. Considered research-friendly open-weights.
Luettelokirjaus päivitetty
23. syyskuuta 2026

Tunnisteet

  • stanford
  • berkeley
  • vla
  • robotics
  • research-only
  • open-weights
06

Käyttötapaukset

Mihin sitä käytetään

  • Open VLA baseline for academic research
  • Fine-tuning to new robots via LoRA
  • Comparative studies vs RT-2 / π-0 / Octo
  • Language-conditioned manipulation research
  • Multi-task generalist policy training
  • Teaching VLA architecture and tokenisation
07

Usein kysytyt kysymykset

Mikä on OpenVLA-7B?

OpenVLA-7B on Othern kehittämä malli Robotiikka / VLA-kategoriassa. Se on listattu Railwailissa, mutta sitä ei voi tällä hetkellä suorittaa.

Paljonko OpenVLA-7B maksaa Railwailissa?

OpenVLA-7Bta ei voi tällä hetkellä suorittaa Railwailissa, joten nykyistä hintaa ei ole. Saatavilla olevat vaihtoehdot hintojen kanssa on lueteltu tämän sivun alempana.

Kuinka nopea OpenVLA-7B on?

OpenVLA-7Blla ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.

Milloin OpenVLA-7B on oikea valinta?

OpenVLA-7B kuuluu Robotiikka / VLA-kategoriaan. Kategorian sivulla on lueteltu muut tämän tyyppisen mallit hintojen kanssa.

Kaikki mallit: Robotiikka / VLA

Voiko OpenVLA-7B käsitellä kuvia?

Kyllä. OpenVLA-7B hyväksyy kuvia syötteenä tekstin lisäksi.

Voiko OpenVLA-7Ba käyttää juuri nyt?

Ei tällä hetkellä saatavilla. Sivu pysyy verkossa; saatavilla olevat vaihtoehdot samasta kategoriasta on lueteltu alempana.

Kaikki mallit yhden API:n kautta

Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.