逐際動力開源 FluxVLA Engine，推動VLA走向真實世界

今天，逐際動力LimX Dynamics開發并正式開源FluxVLA Engine，一個面向具身智能科研創新、應用開發與落地的標準化VLA工程底座。逐際動力表示，FluxVLA Engine以統一配置、標準接口、模塊解耦、加速部署為核心設計理念，將數據處理、模型訓練、仿真評測到真機部署的每個環節標準化，大幅降低了VLA全研發周期的工程門檻。

在具身智能落地的研發鏈路中，數據格式碎片化、代碼架構高耦合和仿真到真機的遷移鴻溝的問題在當前的科研和工程實踐中普遍存在，導致模型在真實機器人上的性能顯著下降，難以完成從算法驗證到物理執行的閉環。在此背景下，FluxVLA Engine從工程體系層面對上述瓶頸逐一拆解，核心目標是以標準化接口與統一配置，將數據、訓練、仿真到真機部署的每個環節規范化，為創新者提供可自由替換和組合各模塊，無需每次從頭適配。

FluxVLA Engine工程框架圖

具體來說，FluxVLA Engine采用All-in-one配置機制，通過單一配置文件，統一管理數據、模型、訓練、評測、推理與部署參數。用戶無需維護多套腳本與配置，即可切換各類模型。同時，FluxVLA Engine的核心設計是將海量數據處理、模型調用與部署相關模塊解耦，無論更換數據集、替換模型，還是從仿真切換到真機，格式與接口均可保持一致，無需重復適配。這意味著，用戶可以在不修改訓練邏輯的情況下，單獨替換視覺編碼器、語言主干或動作頭，也可以接入自定義數據集或新硬件平臺，各模塊之間互不干擾，便于靈活構建屬于自己的VLA模型。

值得注意的是，FluxVLA Engine原生支持視覺語言模型（VLM）和視覺語言動作模型（VLA），兼顧感知理解與動作訓練，同時接入主流模型與仿真器，全面支持Qwen、GR00T、Pi全系列以及DreamZero等各類主流VLM/VLA/WAM模型。在硬件方面，兼容多元真機硬件，支持包括UR機械單臂、ALOHA雙臂系統，以及逐際動力自研多形態具身機器人TRON 2等在內的多硬件平臺，即裝即用。

FLuxVLA在LIBERO中的性能

此外，財經網科技了解到，FluxVLA Engine通過底層推理引擎優化和算子融合，實現了5-10倍推理速度提升，讓機器人可以更快地響應環境變化，實現更流暢的實時控制。在軌跡平滑方面，FluxVLA Engine集成了實時控制（RTC）等最新的軌跡平滑方法，有效規避模型輸出的動作軌跡抖動，確保真機部署后機器人執行動作穩定、流暢。