逐際動力開源 FluxVLA Engine：專為具身智能打造的標準化VLA工程底座

2026 年 04 月16 日，逐際動力（LimX Dynamics）正式宣布，開源面向具身智能科研創新、應用開發與落地的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，打造標準化 VLA 工程底座，打通數據處理、模型訓練、仿真評測到真機部署全流程，大幅降低具身智能全研發周期的工程門檻。

當前具身智能向真實世界落地的過程中，行業普遍面臨三大結構性瓶頸：數據格式碎片化，訓練、仿真與部署環節數據規范不統一，反復轉換適配推高工程成本；代碼架構高耦合，數據、模型、訓練邏輯深度綁定，模塊替換需重構代碼；仿真到真機存在遷移鴻溝，理想環境與真實硬件的延遲、噪聲不匹配，模型真機性能大幅衰減。在雷峰網(公眾號：雷峰網)看來，這些問題嚴重制約 VLA 技術從實驗室走向產業應用。

針對行業痛點，FluxVLA Engine 從工程體系層面提供系統化解決方案，以標準化接口與統一配置規范全研發環節，讓開發者可自由替換組合模塊，無需重復適配。

雷峰網獲悉，該平臺采用All-in-one 統一配置機制，通過單一配置文件統籌數據、模型、訓練、推理、部署全鏈路參數，告別多腳本、多配置的繁瑣管理。同時采用模塊化解耦設計，數據處理、模型調用、部署等模塊以標準接口貫通，更換數據集、模型或切換仿真 / 真機環境，均無需重復適配。開發者可獨立替換視覺編碼器、語言主干、動作頭，或接入自定義數據集與新硬件，各模塊互不干擾，靈活搭建專屬 VLA 模型，實現訓練后模型一鍵導出、標準化流程真機部署，真正做到開箱即用。

功能層面，FluxVLA Engine 實現VLM 與 VLA 全棧覆蓋，原生支持視覺語言模型與視覺語言動作模型，兼顧感知理解與動作訓練，全流程在單一框架完成，無需切換工具。模型層兼容 Qwen、GR00T、Pi 系列、DreamZero 等主流 VLM/VLA/WAM 模型；仿真層無縫對接 Isaac Sim、LIBERO 等主流仿真器；硬件層支持 UR 機械單臂、ALOHA 雙臂系統、逐際動力 TRON 2 多形態具身機器人等多元平臺，適配性行業領先。

面向真實場景部署，平臺完成深度系統優化：通過底層推理引擎優化與算子融合，實現5-10 倍推理速度提升，保障機器人實時響應；集成實時控制（RTC）軌跡平滑技術，消除動作軌跡抖動，讓真機執行更穩定流暢，解決 “能跑但不穩” 的行業難題。

逐際動力表示，FluxVLA Engine 源自企業具身智能與通用機器人研發的長期工程積累，是經過真機驗證的基建設施。此次開源后，團隊將以企業級資源持續維護迭代，未來將集成強化學習、多元世界模型，拓展靈巧手、3D VLA 等前沿能力；同時搭建全球開發者開源社群，推動研究成果快速落地，將平臺從工程底座升級為開放的具身智能技術生態。

目前，FluxVLA Engine 已上線 GitHub、Hugging Face、Model Scope 等平臺，配套完整文檔與快速上手教程，即將上架阿里云 PAI，為全球開發者提供便捷獲取渠道。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。