library_name: transformers tags: []

诺拉长程版

诺拉长程版是基于开放X具身数据集中机器人操作片段训练的开源视觉-语言-动作模型。该模型以语言指令和摄像头图像作为输入，生成机器人动作。诺拉长程版直接由通义千问2.5 VL-3B模型微调而来。 所有诺拉模型检查点及我们的训练代码库均采用MIT许可证发布。

与标准版诺拉不同，诺拉长程版采用5步动作跨度进行预训练。我们观察到该版本在WidowX机器人任务上表现稍逊，但在LIBERO仿真环境中展现出更优性能。欢迎对该模型进行微调！

模型描述

• 模型类型: 视觉-语言-动作模型（语言+图像→机器人动作）
• 支持语言: 英语
• 许可证: MIT
• 微调基座模型: 通义千问2.5 VL-3B

模型来源

• 代码仓库: https://github.com/declare-lab/nora
• 论文: https://www.arxiv.org/abs/2504.19854
• 演示: https://declare-lab.github.io/nora

使用说明

诺拉模型接收语言指令和机器人工作空间的摄像头图像作为输入，预测（归一化后的）7自由度机械臂末端动作增量，形式为(x, y, z, 横滚, 俯仰, 偏航, 夹持器)。在实际机器人平台上执行时，需根据各机器人数据集统计量进行反归一化处理。具体运行方法详见https://github.com/declare-lab/nora。