逐际动力自研的标准化具身智能大模型工程底座 FluxVLA Engine 正式合入人形机器人 VLA 支持。开发者现在可以直接基于 FluxVLA Engine，完成人形机器人从数据准备、模型训练到真机上机运行的全套流程，代码开源，开箱即用。FluxVLA Engine 也是首个打通全身人形机器人训练与真机部署完整链路的 VLA 工程平台。
填补行业空缺：
人形VLA从数据到真机部署VLA 社区不缺新模型，但缺一条能从模型配置直接走到真机的工程路径，且当前大多数开源框架在人形支持上，要么停留在仿真阶段，要么只覆盖双臂，缺少能在真机上跑通全身协调动作的完整方案。此次更新弥补了这一空缺。最新的更新中，新增了基于全尺寸人形机器人 LimX Oli 这一硬件平台的全身真机推理链路。以极简但有效的方式，为OIi 提供了完整的全身移动操作（Loco-Manipulation）真机推理能力：输入侧只用单路头部位姿相机配合 33 维本体状态（31 个关节位置加左右手闭合标志），输出则覆盖 42 维全身动作指令：31 维关节位置指令、底盘 base_link 的三轴位置与六自由度旋转，以及两只手的开合控制。传感器数据通过 ROS（rospy）传入，控制指令经由 LimX WebSocket JSON 协议下发。这套设计将输入复杂度压到最低，同时保留了对双腿、双臂和双手的同步全身控制能力。
完整的工程链路同步开放，涵盖数据格式、训练配置、推理接口、真机通信协议，并为开发者提供了配套的快速上手文档（docs/oli_whole_body.md）。所有代码已推送至主分支，开箱即用。
FluxVLA Engine 工程能力升级
除人形支持外，本次更新还在多策略训练、仿真评测、推理加速、奖励建模等方面实现拓展增强。接口与训练方面，数据格式现已支持 LeRobot v2.1 和 v3.x，训练支持FSDP、DDP 与 LoRA，评估新增无光线追踪的多卡并行方案。推理侧新增 RTC（Real-Time Chunking）实时分块推理、ZMQ 远程服务部署，以及 Triton 加速支持，进一步压缩真机推理延迟。仿真环境方面，在原有 LIBERO 支持基础上新增了 RoboCasa，为多样化的仿真训练和评估提供了更广泛的场景覆盖。关于FluxVLA Engine：逐际动力开源 FluxVLA Engine：专为具身智能打造的标准化VLA工程底座
欢迎使用FluxVLA Engine
GitHub（代码库）
https://github.com/FluxVLA/FluxVLA人形部署文档
https://github.com/FluxVLA/FluxVLA/blob/main/docs/oli_whole_body.mdHugging Face（模型）
https://huggingface.co/limxdynamics/FluxVLAEngineModelScope（国内访问）
https://modelscope.ai/models/LimXDynamics/FluxVLAEngine/files欢迎开发者直接上手试用，也欢迎在 GitHub 提交反馈和贡献。人形 VLA 的完整能力演示将在后续发布中进一步呈现。
