Wall-OSS-0.5 - 自变量机器人开源的视觉-语言-动作大模型

Wall-OSS-0.5是什么

Wall-OSS-0.5 是自变量机器人（X Square Robot）推出的开源视觉-语言-动作（VLA）大模型，拥有 40 亿参数，基于 30 亿参数的 VLM 骨干网络构建。采用"梯度桥接协同训练"技术，在 20 多种机器人形态、每轮超 100 万条真实轨迹以及 9000 万条多模态语料上完成预训练。模型最大的突破是"预训练即可部署"，无需针对特定任务微调，预训练检查点就能直接在真实机器人硬件上执行零样本操作，在 17 项真实机器人任务中有 4 项达到 80% 以上任务进度；经过微调后，在 15 项任务上平均进度达 60.5%，领先 π0.5 达 17.5 个百分点。模型权重与训练代码已完全开源。

Wall-OSS-0.5的功能特色

• 零样本真实机器人操作：预训练检查点直接部署到物理硬件，无需任务特定微调即可执行抓取、排序等操作。
• 多形态统一适配：支持桌面双臂、移动操作等多种机器人形态，单个预训练检查点跨形态通用。
• 三目标协同训练：离散动作预测、多模态预测与连续流匹配三者互补优化，形成"梯度桥接"。
• 混合专家架构（MoT）：视觉-语言令牌通过 VL Expert 路由，连续动作计算通过 Action Expert 处理，联合注意力实现端到端梯度流动。
• 完全开源可复现：模型权重、训练代码及推理工具链均已发布，支持社区二次开发与微调。

Wall-OSS-0.5的核心优势

• 部署即用：区别于传统 VLA 模型必须微调后才能使用，预训练检查点直接产生可执行的机器人策略。
• 高效适应：在 15 项真实机器人任务上微调后平均进度 60.5%，比 π0.5 的 43.0% 高出 17.5 个百分点。
• 强泛化能力：在 3 项未见过的任务（如变形物体操作）上依然保持高进度，绳索收紧任务达 82%。
• 视觉语言能力保持：动作训练不会侵蚀基础 VLM 能力，实体 grounding 能力提升 21.8 个百分点，通用 VL 能力完整保留。
• 数据规模领先：覆盖 20+ 种机器人形态，每轮 100 万+ 轨迹，9000 万多模态样本（含 1200 万实体桥接样本）。

Wall-OSS-0.5官网是什么

• 项目地址：https://x2robot.com/oss#resources
• Github仓库：https://github.com/X-Square-Robot/wall-x
• 论文地址：https://x2robot.com/api/files/file/wall_oss_05.pdf

Wall-OSS-0.5的操作步骤

• 环境准备：创建 Python 3.10 的 conda 环境，安装基础依赖及 Flash Attention 2.7.4+。
• 安装 LeRobot：克隆 Hugging Face 的 LeRobot 库，checkout 指定版本后执行 pip 安装。
• 安装 Wall-X：克隆 wall-x 仓库，运行 git submodule update --init --recursive 后安装。
• 下载模型：从 Hugging Face（x-square-robot/wall-oss-0.5）下载预训练权重。
• 配置参数：根据目标机器人类型设置 DOF 配置、模型路径、数据路径及训练超参数。
• 运行微调：执行 bash ./workspace/lerobot_example/run.sh 在 LeRobot 数据集上微调。
• 部署推理：加载预训练或微调后的检查点，在真实机器人硬件上执行零样本或微调后推理。

Wall-OSS-0.5的适用人群

• 具身智能研究人员：从事 VLA、机器人学习等方向的高校及实验室研究者。
• 机器人硬件工程师：需要将智能操作能力集成到 UR、Franka、ARX-5 等硬件平台的开发人员。
• AI 应用开发者：希望基于开源 VLA 模型构建自定义机器人应用的工程师。
• 自动化领域从业者：探索工业或服务机器人智能化升级的技术团队。

Wall-OSS-0.5的常见问题