RLDX-1 技术报告

Hugging Face Daily Papers 论文
robotics vision-language-action dexterous-manipulation transformer real-world-tasks humanoid-robot

摘要

RLDX-1 是一种用于灵巧操作的多功能机器人策略，采用多流动作 Transformer（Multi-Stream Action Transformer）架构来整合异构模态，在现实世界任务中超越了现有的 VLA 模型。

虽然视觉-语言-动作模型（VLAs）通过继承预训练视觉-语言模型的通用智能（即广泛的场景理解和基于语言条件的泛化能力），在实现类似人类的多功能机器人策略方面取得了显著进展，但它们仍难以应对需要更广泛功能能力（例如运动感知、记忆感知决策和物理感知）的复杂现实世界任务。为此，我们推出了 RLDX-1，这是一种用于灵巧操作的多功能机器人策略，基于多流动作 Transformer（MSAT）构建。该架构通过具有跨模态联合自注意力机制的模态特定流来整合异构模态，从而统一了这些能力。RLDX-1 进一步将该架构与系统级设计选择相结合，包括为稀有操作场景合成训练数据、针对类人操作优化的学习过程，以及用于实时部署的推理优化。通过实证评估，我们证明 RLDX-1 在仿真基准测试和需要超越通用多样性的广泛功能能力的现实世界任务中，始终优于近期的前沿 VLA 模型（例如 π_{0.5} 和 GR00T N1.6）。特别是，在 ALLEX 人形机器人任务中，RLDX-1 展现了优越性，其成功率达到 86.8%，而 π_{0.5} 和 GR00T N1.6 的成功率约为 40%，这突显了 RLDX-1 在多样化功能需求下控制高自由度人形机器人的能力。综上所述，这些结果表明 RLDX-1 是迈向适用于复杂、富接触且动态的现实世界灵巧操作的可靠 VLA 的重要一步。
查看原文
查看缓存全文

缓存时间: 2026/05/08 08:10

论文页面 - RLDX-1 技术报告

来源：https://huggingface.co/papers/2605.03269 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

RLDX-1 是一种用于灵巧操作的通用机器人策略，它通过多流动作 Transformer（Multi-Stream Action Transformer）架构整合异构模态，与现有的视觉-语言-动作模型相比，在复杂的现实世界任务中表现出更优越的性能。

虽然视觉-语言-动作模型（https://huggingface.co/papers?q=Vision-Language-Action%20models）（VLAs）通过继承预训练视觉-语言模型的多样化智能（即广泛的场景理解和语言条件泛化能力），在实现类人通用机器人策略方面取得了显著进展，但它们仍然难以应对需要更广泛功能能力（例如运动感知、基于记忆的决策和物理感知）的复杂现实世界任务（https://huggingface.co/papers?q=real-world%20tasks）。为了解决这个问题，我们推出了 RLDX-1，这是一种基于多流动作 Transformer（https://huggingface.co/papers?q=Multi-Stream%20Action%20Transformer）（MSAT）构建的用于灵巧操作（https://huggingface.co/papers?q=dexterous%20manipulation）的通用机器人策略。MSAT 是一种通过模态特定流与跨模态联合自注意力（https://huggingface.co/papers?q=cross-modal%20joint%20self-attention）整合异构模态，从而统一这些能力的架构。RLDX-1 进一步将该架构与系统级设计选择相结合，包括为罕见的操作场景合成训练数据、专门针对类人操作的学习程序，以及用于实时部署（https://huggingface.co/papers?q=real-time%20deployment）的推理优化。通过实证评估，我们表明 RLDX-1 在模拟基准测试（https://huggingface.co/papers?q=simulation%20benchmarks）和需要超越通用多功能性的广泛功能能力的现实世界任务（https://huggingface.co/papers?q=real-world%20tasks）中，始终优于近期前沿的 VLA 模型（例如 π_{0.5} 和 GR00T N1.6）。特别是，RLDX-1 在 ALLEX 人形机器人任务中展现出优势，成功率达到 86.8%，而 π_{0.5} 和 GR00T N1.6 的成功率约为 40%，这突显了 RLDX-1 在多样化功能需求下控制高自由度人形机器人（https://huggingface.co/papers?q=humanoid%20robot）的能力。总之，这些结果使 RLDX-1 成为迈向可靠的、用于复杂、接触丰富且动态的现实世界灵巧操作（https://huggingface.co/papers?q=dexterous%20manipulation）VLA 模型的重要一步。

查看 arXiv 页面 (https://arxiv.org/abs/2605.03269) 查看 PDF (https://arxiv.org/pdf/2605.03269) 项目页面 (http://rlwrld.ai/rldx-1) GitHub77 (https://github.com/RLWRLD/RLDX-1) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.03269)

在您的智能体中获取这篇论文：

hf papers read 2605\.03269

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型9

RLWRLD/RLDX-1-PT Robotics• 7B• 2天前更新 • 52 • 3 (https://huggingface.co/RLWRLD/RLDX-1-PT)

RLWRLD/RLDX-1-FT-ROBOCASA Robotics• 7B• 2天前更新 • 51 • 1 (https://huggingface.co/RLWRLD/RLDX-1-FT-ROBOCASA)

RLWRLD/RLDX-1-MT-ALLEX Robotics• 8B• 2天前更新 • 55 • 1 (https://huggingface.co/RLWRLD/RLDX-1-MT-ALLEX)

RLWRLD/RLDX-1-FT-SIMPLER-WIDOWX Robotics• 7B• 2天前更新 • 29 • 1 (https://huggingface.co/RLWRLD/RLDX-1-FT-SIMPLER-WIDOWX)

浏览引用此论文的 9 个模型 (https://huggingface.co/models?other=arxiv:2605.03269)## 引用此论文的数据集0

没有链接此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2605.03269 以从此页面进行链接。

引用此论文的 Spaces0

没有链接此论文的 Space

在 Space README.md 中引用 arxiv.org/abs/2605.03269 以从此页面进行链接。

包含此论文的合集6

浏览包含此论文的 6 个合集 (https://huggingface.co/collections?paper=2605.03269)

相似文章

DexPolicy：面向轨迹引导灵巧操作的调度式探索

Hugging Face Daily Papers

DexPolicy 为轨迹引导的灵巧操作引入了调度式探索，在强化学习训练过程中将探索噪声从宽到窄进行退火，从而在 PPO、GRPO 以及一种流参数化 PPO 变体（FPO）上显著提升了在 YCB 物体和 RealMan RM75 机械臂上的 Target 成功率。