开源机器人动作推理模型新SOTA
推荐指数 87.0 NO. 023 · 2026.05.06
upvotes111comments3
为什么值得看
MolmoAct2 是一个面向真实部署的开源机器人动作推理模型，采用专用视觉语言骨干网络和连续动作预测架构。机器人团队终于有了一个可直接落地的开源替代方案，不用再依赖闭源的 RT-2 或 GPT-4V 做动作规划。
媒体预览
编辑判断
机器人 VLA 领域之前被 Google's RT-2、OpenVLA 等闭源或半开源方案主导，核心痛点是动作 token 化导致精度损失和延迟过高。MolmoAct2 的关键改进是做了 open-weight action tokenizer 和连续动作预测，直接绕过离散 token 的瓶颈，同时用自适应推理在简单任务上砍延迟。
论文登顶 HuggingFace 当日热榜，111 upvotes 在学术类里算很高了，说明社区确实饥渴。代码和权重已开源，做实体机器人或具身智能创业的团队可以优先试跑，特别是之前被 OpenVLA 动作精度卡住的项目。
需要注意的坑：真实部署的延迟数据是在什么硬件上测的、是否支持边缘端推理，这两点在摘要里没提，得看论文细节。