相较9月发布的首版，V2进一步加入在线强化学习后训练实验，并扩展了仿真评测和真机部署的覆盖范围。

报告显示， 在仿真侧 ，14种策略接入同一套LIBERO闭环评测，在RoboCasa GR-1、RoboTwin与RoboDojo上各有8种策略的接入结果。

在推理端 ，针对8组模型与设备组合的实测显示，优化后的模型推理路径频率提升至2.31–9.64倍。

而在ALOHA、Rebot、双臂Franka以及逐际动力自研的全尺寸人形机器人LimX Oli等多款真实硬件平台上，报告也完整验证了从模型checkpoint直达真机闭环执行的部署链路。

以SmolVLA为例，在两组配对实验中，经过在线强化学习后，其在LIBERO-10和RoboTwin Clean十项任务上的成功率分别提升10.0和15.4个百分点。

自今年4月8日开源以来，FluxVLA Engine陆续扩展模型支持、评测配方和真机部署能力。

用逐际动力自己的话来说，FluxVLA Engine就是 让底层工程能力真正可复用，把宝贵的研发人力从无休止的“配环境、改接口”中解放出来，让先进的模型真正有路可走、有地可落。

FluxVLA Engine首要目标就是把这种作坊式的重复搭建，升级成标准化的工业流水线—— 逐际动力创始人兼CEO张巍就将FluxVLA Engine比作模型的生产线。

Hugging Face：https://huggingface.co/limxdynamics/FluxVLAEngine

踩着这些密集的脚印，这个底座的能力边界一路从最初的“能训练、能评测”，扎实生长到了如今的“能上真机、能数据回流”。

拥有FluxVLA Engine，研发团队就像拥有了一支在背后帮你持续升级基建、不断拓宽边界的外援工程铁军。

今天火的是扩散策略，明天可能就是流匹配或者世界动作模型。要我说，倘若每换一条技术路线，过往的工程沉淀就要全部推倒重来的话，再大的公司也得轻则脱层皮。

FluxVLA Engine就是这样一个开源工程底座。它打通“训、评、部署”全链路，保障已有的工程积累不归零。

在数据层面， 来自不同机器人、不同仿真环境的原始轨迹，会先做显式转换、标准化清洗，整理成兼容LeRobot规范的结构 （包含Parquet文件、视频以及配套元数据） 。

处理之后的这批数据，可以放到同一条管线里混训，也支持按分组保留各自独有的预处理、归一化规则。不管是训练还是推理，都会通过独立的数据入口，遵循同一套模型输入、动作处理语义。

平台目前已深度集成Qwen-VL、GR00T、π系列以及DreamZero等主流VLM、VLA和WAM架构。

紧凑型VLA、流匹配策略、模块化VLM+动作头、世界动作模型，甚至还包括完全不需要本地权重、直接通过API裸调的GPT-6 Astra。

在项目报告的各自配置下，13个本地checkpoint策略中有11个在LIBERO上的平均成功率超过95% （如DiT4DiT达98.65%，π 0.5 达97.95%） 。

光靠模仿学习 （SFT） 喂出来的模型，就像只会背题库的学生，一遇到没见过的突发状况就容易懵。

不过，因为在线强化学习需要把环境交互、策略更新和分布式训练串起来，工程复杂度会瞬间呈指数级爆炸，很多优秀团队都望而却步。

通过集成RLinf，FluxVLA Engine让兼容的流匹配策略可以直接拎包入住，进入在线交互训练流程，免去了重新适配模型和数据管线的痛苦。

在仿真配对实验中，每个基准的各任务均从同一SmolVLA SFT checkpoint出发，分别进行任务专用的PPO后训练。

经过40个外层迭代，LIBERO-10的任务平均成功率从66.2%提升至76.2%；RoboTwin Clean十项任务从45.9%提升至61.3%，分别提高10.0和15.4个百分点。

可以看到，平台实质性跑通了从“模仿学习起点”迈向“在线交互提分”的工程捷径， 哪怕是小参数模型，也能在闭环试错中榨出惊人的潜力。

过去这套评测机制特别不友好。你没法看清模型到底是怎么跑的，最后就一个冷冰冰的成功率数字摆在那儿。

前者通过比较两种设置中的表现，可观察模型对相应环境变化的适应情况；后者除了看最终成败，还实时记录任务进度条，并从泛化、记忆、精度、长程任务和开放指令五个维度画出“能力雷达图”。

比如一个叠衣服或抓积木的任务失败了，它其实可能已经完美走完了前三个阶段，只是在最后一步“放进盒子”时手抖了。

这时候将“阶段进度”与“最终成功率”放在一起看，就能快速发现模型究竟是眼神不好 （视觉感知） 、脑子不够用 （长程规划） 还是手脚不协调 （精细控制） 。

因为知道病根在哪，所以下药精准度up up，盲目加数据、盲目烧算力的无效返工自然就减少了。

具身模型通常会一次预测一段动作，再由机器人逐步执行。在这个过程中，模型推理可能需要较长时间，机器人控制回路却仍在持续运行。

如果上一段动作尚未执行完毕，下一段预测就已经生成，两段动作之间便可能出现不连续。即使模型输出的动作在数值上合理，也还需要满足机器人对速度、加速度和轨迹平滑性的要求。

为了治好真机部署的“卡顿”与“抽搐”，FluxVLA Engine放出了一套硬核的系统工程组合拳。

在不改动模型任何权重的前提下，FluxVLA Engine针对GR00T、π 0.5 等模型进行了深度的底层推理重构，把冗余计算和内核调度开销砍到了极致。

针对GR00T动作头的数值对齐测试表明，加速后的动作输出与原版相比，余弦相似度超过0.99999，最大绝对误差仅约0.02。

简单来说，就是利用上一段动作还没做完的尾巴，去约束下一段新预测动作的开头，像拉链一样把两段动作平滑地咬合在一起，消除突变。

后续由轨迹后处理模块执行平滑滤波与运动学约束，保证下发至电机的动作指令满足物理边界、输出平稳。

推理优化解决动作生成效率问题，RTC和轨迹后处理则负责衔接预测与执行， 这三板斧劈下去，把前沿算法上真机的工程门槛削平了一大半，保护了昂贵的机器人硬件，更让模型表现出了类人的丝滑感。

在真机部署环节 ，FluxVLA Engine巧妙地设计了双层解耦接口：管大脑的 Runner 和管身体的 Operator。

具体来说，runner负责模型推理、动作调度和执行过程中的状态管理，operator则负责传感器数据采集、机器人通信与控制指令传输。

有了这套万用插座，不同机器人本体只需适配各自的operator接口，就能接入同一套部署流程，迁移成本大幅降低。