FluxVLA Engine：面向具身智能的一站式 VLA 工程平台

视觉-语言-动作（VLA）模型、世界-动作模型（WAMs）以及离线强化学习方法正在迅速拓展具身策略的设计空间，但将这些算法转化为可靠的机器人系统，仍受制于碎片化的数据格式、训练栈、评估协议、推理运行时以及特定具身形态的接口。我们提出 $\mathrm{FluxVLA}$ Engine，这是一个开放的、配置驱动的平台，可将异构具身策略组件转化为可复现的从数据到部署工作流。$\mathrm{FluxVLA}$ 并不是引入另一个策略模型，而是为数据集、视觉-语言模型与世界模型、动作头、基于奖励或优势加权的学习、分布式训练、仿真评估、优化推理以及机器人操作器标准化接口。该引擎进一步集成了组合式双臂仿真、可扩展的自动数据生成，以及与模型解耦的人在环 rollout、接管、纠正收集和奖励标注。为实现响应迅速的物理执行，它将 Real-Time Chunking（RTC）与加速推理后端、轻量级远程 GPU 服务以及可配置的轨迹后处理相结合。这些能力共同通过共享且可审计的契约，将离线学习、仿真验证、在线纠正和真实机器人执行连接起来。因此，$\mathrm{FluxVLA}$ 旨在解决将有前景的具身学习算法与可复现评估和可靠部署相隔离的工程瓶颈。代码可在 https://github.com/FluxVLA/FluxVLA 获取。