OpenVLA-7B

Robotika / VLANeprieinama
iš OtherModelio ID: openvla-7b

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

Būsena
Neprieinama
Įvestis → išvestis
Tekstas + Vaizdas → Roboto veiksmai
Kūrėjas
Other
Atnaujinta
2026 m. rugsėjo 23 d.

OpenVLA-7B šiuo metu neprieinamas

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

01

Žaidimų aikštelė

OpenVLA-7B

Tyrimo modelis

Šiuo metu neprieinamas

OpenVLA-7B yra robotikos modelis (vision-language-action) ir negali būti paleistas per railwail API.

02

Apie OpenVLA-7B

TrumpaiNuo 2026 m. rugsėjo 23 d.

OpenVLA-7B yra Other modelis iš Robotika / VLA kategorijos. OpenVLA-7B šiuo metu nėra prieinamas per Railwail.

Fonas

Apie Stanford / UC Berkeley / Toyota Research Institute

Įkurta 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).

Apsilankyti Stanford / UC Berkeley / Toyota Research Institute

Architektūra

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.

Parametrai
7B

Galimybės

  • 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.

Mokymas ir licencija

~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.

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

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

Žinomos ribotybės

  • 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

Kainos

Šiuo metu nepasiekiama. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

04

API

Iškvieskite OpenVLA-7B naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

Nepasiekiama per API

Robotikos modeliai veikia robotų aparatūroje, o ne per railwail API.

05

Specifikacijos

Modelio ID
openvla-7b
Kūrėjas
Other
Kategorija
Robotika / VLA
Įvestis
Tekstas, Vaizdas
Išvestis
Roboto veiksmai
Modelio dydis
7B
Licencija
MIT-style permissive licence on code and weights; Llama-2 components subject to Meta's Llama-2 Community Licence. Considered research-friendly open-weights.
Katalogo įrašas atnaujintas
2026 m. rugsėjo 23 d.

Žymos

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

Panaudojimo atvejai

Kam tai naudojama

  • 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

Dažnai užduodami klausimai

Kas yra OpenVLA-7B?

OpenVLA-7B yra Other modelis iš Robotika / VLA kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja OpenVLA-7B Railwail?

OpenVLA-7B šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra OpenVLA-7B greitis?

OpenVLA-7B Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Kada turėčiau naudoti OpenVLA-7B?

OpenVLA-7B priklauso Robotika / VLA kategorijai. Kategorijos puslapyje pateikiami kiti šio tipo modeliai su jų kainomis.

Visi Robotika / VLA modeliai

Ar OpenVLA-7B gali apdoroti vaizdus?

Taip. OpenVLA-7B priima vaizdus kaip įvestį, be teksto.

Ar dabar galiu naudoti OpenVLA-7B?

Šiuo metu nepasiekiama. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.