4月16日，总部位于深圳的逐际动力（LimX Dynamics）正式开源FluxVLA Engine，这是一个面向具身智能科研与应用的标准化VLA工程底座。该平台以统一配置、标准接口、模块解耦、加速部署为核心设计，将数据处理、模型训练、仿真评测到真机部署各环节标准化，旨在降低VLA全研发周期的工程门槛。

在具身智能落地过程中，三类结构性壁垒在科研和工程实践中普遍存在：

数据格式碎片化导致训练、仿真与部署阶段的数据需要反复转换与适配，工程成本高于算法本身；代码架构高耦合使得更换视觉编码器或接入新任务时需深入修改框架代码，既耗时也易引入错误；仿真到真机的迁移鸿沟则是因为仿真环境无法覆盖真实系统中的延迟、噪声与硬件约束，导致模型在真实机器人上的性能下降。FluxVLA Engine从工程体系层面对上述瓶颈逐一拆解，核心目标是以标准化接口与统一配置，将数据、训练、仿真到真机部署各环节规范化，让开发者可以自由替换和组合模块，无需每次从头适配。

在开发体验方面，FluxVLA Engine采用All—in—one配置机制，通过单一配置文件统一管理数据、模型、训练、评测、推理与部署参数，用户无需维护多套脚本即可切换各类模型。

平台将海量数据处理、模型调用与部署相关模块解耦，并以标准化接口贯穿全流程。无论更换数据集、替换模型，还是从仿真切换到真机，格式与接口均可保持一致。用户可以在不修改训练逻辑的情况下，单独替换视觉编码器、语言主干或动作头，也可接入自定义数据集或新硬件平台。训练完成后的模型可直接导出，并通过标准化流程部署到真实机器人平台。

在功能覆盖方面，FluxVLA Engine原生支持视觉语言模型（VLM）和视觉语言动作模型（VLA），兼顾感知理解与动作训练，训练、仿真评测、真机部署均在同一框架下完成。模型层统一接口，支持Qwen、GR00T、Pi全系列、DreamZero等主流VLM/VLA/WAM模型；仿真层无缝接入Isaac Sim、LIBERO等主流仿真器。硬件兼容方面，平台支持UR机械单臂、ALOHA双臂系统，以及逐际动力自研多形态具身机器人TRON 2等平台，未来还将支持更多硬件。

在面向真实部署的系统优化方面，FluxVLA Engine通过底层推理引擎优化与算子融合，实现了5—10倍推理速度提升，使机器人能更快响应环境变化，实现更流畅的实时控制。同时，平台集成了实时控制（RTC）等轨迹平滑方法，有效规避模型输出的动作轨迹抖动，确保真机部署后机器人动作稳定流畅。

FluxVLA Engine源自逐际动力在具身智能和通用机器人研发中的长期积累。未来，平台将陆续集成强化学习（RL）、世界模型（World Models）等更多方法，并构建全球开发者社群，共同将灵巧手、基于3D的VLA等研究成果融入其中。GitHub仓库地址：https://github.com/FluxVLA/FluxVLA

文、图/广州日报新花城记者：阮元元
广州日报新花城编辑：何波