OpenVLA-7B

Robótica / VLAIndisponível
por OtherID do modelo: openvla-7b

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

Status
Indisponível
Entrada → Saída
Texto + Imagem → Ações de robô
Desenvolvedor
Other
Atualizado
23 de setembro de 2026

OpenVLA-7B não está disponível no momento

Você ainda pode ler os detalhes nesta página. Escolha uma das alternativas disponíveis abaixo para executar um modelo comparável imediatamente.

01

Playground

OpenVLA-7B

Modelo de pesquisa

Indisponível no momento

OpenVLA-7B é um modelo de robótica (vision-language-action) e não pode ser executado através da API railwail.

02

Sobre OpenVLA-7B

ResumoA partir de 23 de setembro de 2026

OpenVLA-7B é um modelo de Other na categoria Robótica / VLA. OpenVLA-7B não está disponível no Railwail no momento.

Fundo

Sobre Stanford / UC Berkeley / Toyota Research Institute

Fundado em 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).

Visite Stanford / UC Berkeley / Toyota Research Institute

Arquitetura

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.

Parâmetros
7B

Capacidades

  • 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.

Treinamento & licença

~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.

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

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

Limitações conhecidas

  • 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

Preços

Atualmente indisponível. Não há preço para este modelo no momento, portanto não pode ser executado.

04

API

Chame OpenVLA-7B com sua chave de API Railwail. Use este ID de modelo na solicitação:

Não disponível via API

Modelos de robótica são executados em hardware de robô, não através da API railwail.

05

Especificações

ID do modelo
openvla-7b
Desenvolvedor
Other
Entrada
Texto, Imagem
Saída
Ações de robô
Tamanho do modelo
7B
Licença
MIT-style permissive licence on code and weights; Llama-2 components subject to Meta's Llama-2 Community Licence. Considered research-friendly open-weights.
Entrada do catálogo atualizada
23 de setembro de 2026

Etiquetas

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

Casos de uso

Para que é utilizado

  • 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

Perguntas frequentes

O que é OpenVLA-7B?

OpenVLA-7B é um modelo de Other na categoria Robótica / VLA. Está listado no Railwail, mas não pode ser executado no momento.

Quanto custa OpenVLA-7B no Railwail?

OpenVLA-7B não pode ser executado no Railwail no momento, portanto não há preço atual. Alternativas disponíveis com preços estão listadas mais abaixo nesta página.

Qual é a velocidade de OpenVLA-7B?

Ainda não há execuções medidas suficientes de OpenVLA-7B no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.

Quando devo usar OpenVLA-7B?

OpenVLA-7B pertence à categoria Robótica / VLA. A página da categoria lista os outros modelos deste tipo com seus preços.

Todos os modelos: Robótica / VLA

OpenVLA-7B pode processar imagens?

Sim. OpenVLA-7B aceita imagens como entrada além de texto.

Posso usar OpenVLA-7B agora?

Atualmente indisponível. A página permanece online; alternativas disponíveis da mesma categoria estão listadas mais abaixo.

Todos os modelos através de uma API

Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.