Hugging Face发布Vela：革新机器人行为建模的连续轨迹表示模型

摘要：Hugging Face推出Vela，这是一款用于机器人行为建模的视觉-语言-动作（VLA）基础模型。Vela通过采用基于样条曲线的紧凑动作表示、运动依赖的时间支持以及跨异构实体的共享动作接口，实现了固定输出预算下时间分辨率的自适应调整。相较于传统的固定速率动作块表示，Vela能够更高效地捕捉机器人行为的连续性和平滑性，并在模拟和真实世界任务中表现出色，如蛋饼烹饪和土豆切丝等复杂操作。Vela的发布标志着机器人行为建模向更高效、更精准方向迈出了重要一步。

---

背景与挑战

传统的视觉-语言-动作（VLA）模型通常将未来动作表示为固定速率的动作块，这导致时间分辨率和预测范围被固定输出预算所限制。这种逐点表示方法在处理高度相关的邻近动作时浪费了容量，并且需要隐式学习时间连续性和平滑性。此外，这种方法在长程覆盖和接触丰富的操作所需的局部精度之间存在权衡，难以同时满足复杂任务的需求。

Vela模型的核心创新

Vela通过以下创新解决了上述问题：

1. 基于样条曲线的动作表示：Vela采用紧凑的样条曲线来表示动作轨迹，而不是固定速率的动作块。这种方法能够更高效地捕捉动作的连续性和平滑性。

2. 运动依赖的时间支持：Vela引入了运动依赖的时间支持机制，使得时间分辨率可以根据动作的动态特性自适应调整，从而在固定输出预算下实现更灵活的时间分配。

3. 跨异构实体的共享动作接口：Vela设计了一个共享的动作接口，能够适应不同类型的机器人实体，确保模型在不同硬件平台上的通用性。

实验与结果

Vela在多个大规模多实体机器人数据集上进行预训练，并在LIBERO-X、EBench以及两个真实世界的长程任务（蛋饼烹饪和土豆切丝）上进行了评估。实验结果表明，Vela在模拟和物理操作中均表现出色，验证了其连续动作表示方法的有效性。

工程权衡与实际应用

Vela的连续动作表示方法虽然提高了时间分辨率和动作平滑性，但也带来了更高的计算成本和更复杂的训练流程。此外，样条曲线的参数化选择和运动依赖的时间支持机制需要根据具体任务进行精细调整，以确保模型在不同场景下的泛化能力。

开发者建议

对于希望采用Vela的开发者，建议从以下几个方面入手：

1. 数据准备：确保提供高质量的多实体机器人数据，以充分发挥Vela的预训练优势。

2. 模型微调：根据具体应用场景对Vela进行微调，特别是在时间分辨率和动作表示方面进行优化。

3. 硬件加速：利用GPU或TPU等硬件加速工具，以应对Vela较高的计算需求。

未来展望

Vela的发布为未来的机器人行为建模奠定了基础，未来可以进一步探索其在多模态交互、复杂任务规划和动态环境适应方面的应用潜力。

---

消息来源：Hugging Face Daily Papers (2026-10-04)

—— 完 ——

主题标签： #Hugging Face 关注 #Vela 关注 #VLA模型 关注 #机器人行为建模 关注 #连续轨迹表示 关注