so101-block-stack-model

SO-101 机械臂三物体堆叠任务的视觉语言动作模型（VLA）。

模型信息

• 基础模型：wall-oss-0.5（Qwen2.5-VL-3B + 静态路由 VL/Action 双 FFN）
• 动作头：rectified-flow，输出 26 维（6 真实关节 + 20 填充），动作时域 32 帧，12fps
• 训练：双相机（全局 + 腕部）示教数据 50 集，全参微调 10 epoch，batch 6，lr 5e-5

性能

指标	结果
开环精度（mean L1）	7.08°
验证 loss	0.0021
执行平滑度（>10°/tick）	0 次
三物体堆叠任务	圆满完成

使用

推理采用同步闭环 + ACT 时间集成，详见配套数据集 so101-block-stack-dataset 与推理代码。