10月22日，逐际动力对其开源的具身智能工程底座FluxVLA Engine完成重要更新，并发布最新技术报告。与争夺模型性能排名的VLA模型不同，FluxVLA Engine定位为贯通数据、训练、评测、推理与真机部署的工程框架，试图解决具身智能研发中模型迭代快、工程积累难以沉淀的问题。
在模型接入层面，FluxVLA Engine通过统一配置与组件注册机制，将不同架构模型接入研发流程时的差异收敛到明确接口中。配置文件声明实验所需的模型、数据处理方式、评测流程与部署接口，注册机制则分别组织视觉骨干、动作头、训练运行器和机器人操作组件。技术报告显示，该框架已将采用自回归路线的OpenVLA、采用flow-matching路线的π0.5，以及DiT4DiT、GR00T等不同技术路线的策略纳入同一套研发与评测体系。接入范围不限于开放权重模型，GPT-6 Astra此前以纯API方式接入闭环评测，MiniMax-M3.1-Flash则成为第二个checkpoint-free的纯API推理策略，可在LIBERO与RoboCasa GR1上直接运行评测。数据层面，不同机器人与仿真环境产生的轨迹数据统一转为标准格式后，可在同一管线中混合训练，也可分组保留各自的归一化约定。
从仿真走向真机是此次更新的另一重点。FluxVLA Engine针对三层工程问题分别给出机制：其一，通过CUDA Graph将反复执行的计算步骤预先录制为固定执行图，配合底层算子融合提升推理效率，且不修改模型权重。在英伟达AGX Orin 64GB边缘芯片上，GR00T的推理频率从3.2Hz提升至7.4Hz，π0.5从1.4Hz提升至4.4Hz。其二，采用RTC（Real-Time Chunking）处理预测与执行之间的时序错位，将上一段未执行完的动作序列作为下一次预测的前提，避免动作跳变。其三，在动作序列发送给机器人前进行运动学约束优化，将速度、加速度及其变化率限制在可安全执行范围内，提供精细求解（延迟约4.9毫秒）与快速求解（延迟约1.17毫秒）两种后端供配置选择。
具身智能行业当前面临模型架构快速迭代与工程能力难以复用的矛盾，不同模型的数据格式、训练评测流程和部署接口各自为政，换模型、换数据或换机器人往往意味着重新适配。FluxVLA Engine的思路与深度学习发展中PyTorch等框架所起的作用类似，即通过统一工程框架降低重复搭建成本，使已有研发成果更易复用。这一方向能否被更多团队采纳，将影响具身智能研发效率的整体水平。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
