2026 年 10 月 28 日，逐際動力更新開源具身工程底座 FluxVLA Engine 的第二版技術報告；與 9 月首版相比，V2 新增線上強化學習後訓練實驗，並擴大模擬評測與真機部署覆蓋。模擬側，14 種策略接入同一套 LIBERO 閉環評測，並在 RoboCasa GR-1、RoboTwin 與 RoboDojo 上各接入 8 種策略。推理端，8 組模型與裝置組合經推理路徑重構後頻率提升 2.31–9.64 倍，其中 A100 上的 π0.5 從 2.20Hz 升至 21.2Hz。真機側在 ALOHA、Rebot、雙臂 Franka 及自研全尺寸人形機器人 LimX Oli 上驗證了從模型 checkpoint 直達真機閉環執行的鏈路。以 SmolVLA 為例，線上強化學習後，其在 LIBERO-10 與 RoboTwin Clean 十項任務上的成功率分別提升 10.0 和 15.4 個百分點。架構上強調統一配置 All-in-one、模組解耦、在執行流程中內建推理加速與 RTC 即時動作分塊協調及軌跡後處理，並保留實驗可復現性；該專案自 4 月 8 日開源後持續迭代，CEO 張巍將其比作模型的生產線。對做 VLA 與具身研發、要在自有機器人上部署模型的團隊而言，這套底座減少重複搭環境與改介面的工作，並直接帶來推理頻率和後訓練效果的提升。
AI 根據 2 則報導生成 · 更新
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
逐際動力更新開源具身工程底座 FluxVLA Engine 的第二版技術報告，新增線上強化學習後訓練，並擴充套件了模擬與真機評測覆蓋。經底層推理重構後，8 組模型與裝置組合的推理頻率提升 2.31–9.64 倍，其中 A100 上 π0.5 從 2.20Hz 升至 21.2Hz。SmolVLA 經線上 RL 後，LIBERO-10 與 RoboTwin Clean 成功率分別提升 10.0 和 15.4 個百分點。
過去 48 小時，有 1 個獨立來源報導，最近 6 小時新增 0 個。熱度 0.5，熱門榜第 114 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
同一事件的報導集中在這裡，新的進展會繼續補充。