---
title: "Wall-OSS-0.5 – 自变量机器人开源的国产具身智能模型"
url: "https://paooo.com/aigc-news/18687/"
author: "Prompt 语宙研究院"
published_at: "2026-06-07T18:07:12+08:00"
updated_at: "2026-06-07T18:07:12+08:00"
categories: "AIGC 资讯"
tags: "3D与空间智能, AI智能体, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Wall-OSS-0.5 – 自变量机器人开源的国产具身智能模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/18687/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-07

## AI 30 秒核心看点 (TL;DR)

- 采用 Gradient-Bridge 协同训练，把离散动作、多模态预测与 Flow Matching 融合进同一套 VLA 框架。
- 支持桌面双臂、移动操作等 20 多种机器人形态，预训练检查点可直接上真机零样本部署。
- 在 15 项真实任务微调后平均进度达 60.5%，较 π0.5 提升 17.5 个百分点，且保留基础视觉语言能力。

## Wall-OSS-0.5是什么

Wall-OSS-0.5是自变量机器人开源的国产具身智能模型，属于视觉-语言-动作(VLA)大模型，具备无需任务微调即可在真实机器人上部署的”零样本”能力。模型通过创新的Gradient-Bridge协同训练方法，将动作能力融入基础模型backbone，使机器人能直接执行搬运、分拣等17个真实任务，其中4个任务完成率超过80%。

## Wall-OSS-0.5的主要功能

- 
**零样本真实机器人操作**：预训练检查点可直接部署到物理硬件，无需针对特定任务微调即可执行抓取、排序、整理等操作，实现”预训练即可部署”。

- 
**多形态统一适配**：单个预训练检查点即可适配桌面双臂、移动操作等 20 多种机器人形态，打破传统模型需为每种硬件单独训练的局限。

- 
**三目标协同训练**：通过离散动作预测、多模态预测与连续流匹配三者互补优化，形成”梯度桥接”，让动作学习与视觉语言理解互不干扰、协同提升。

- 
**混合专家架构（MoT）**：视觉-语言令牌由 VL Expert 路由处理，连续动作计算由 Action Expert 负责，联合注意力机制实现端到端梯度流动，兼顾语言理解与动作生成。

- 
**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，通用视觉-语言理解与推理能力完整保留。

- 
**高效微调适配**：在 LeRobot 数据集上微调后，15 项真实机器人任务平均进度达 60.5%，领先同类模型 π0.5 达 17.5 个百分点。

- 
**强泛化与长程执行**：在 3 项未见过的任务（如变形物体操作）上依然保持高进度，支持多阶段连续操作（如绳索收紧、抹布折叠、果篮整理等长程任务）。

## Wall-OSS-0.5的技术原理

- 
**4B 参数 VLA 架构**：基于 30 亿参数的 Qwen2.5-VL 视觉语言模型作为骨干，叠加动作生成组件，总参数量达 40 亿，实现视觉感知、语言理解与机器人动作生成的端到端统一。

- 
**混合专家路由（MoT）**：采用 Mixture-of-Experts 架构，视觉-语言令牌通过 VL Expert 路由处理，连续动作计算通过独立的 Action Expert 处理，二者通过联合注意力机制实现端到端梯度流动，避免动作训练干扰语言理解。

- 
**梯度桥接协同训练**：创新性地将离散动作预测、多模态预测与连续流匹配（Flow Matching）三者作为互补优化目标进行协同训练，形成”梯度桥接”，使动作策略学习与视觉语言预训练知识相互增强而非冲突。

- 
**连续流匹配动作生成**：使用 Flow Matching 技术对连续动作空间进行建模，相比传统的离散化或回归方法，能够更精确地生成平滑、高维的机器人控制信号。

- 
**预训练即部署设计**：通过大规模异构数据预训练，使模型在预训练阶段就习得通用的物理操作先验，检查点可直接在真实机器人硬件上执行零样本推理，无需任务特定的微调后处理。

- 
**大规模异构训练数据**：覆盖 20 多种机器人形态，每轮训练包含超 100 万条真实机器人轨迹；同时融合 9000 万条多模态语料（含 1200 万实体桥接样本），实现约 60% 自采数据与 40% 开源数据的任务平衡采样。

- 
**联合注意力与端到端优化**：VL Expert 与 Action Expert 共享注意力计算图，确保语言指令、视觉场景与动作输出在特征层面深度耦合，梯度可跨模态双向传播。

- 
**能力解耦保持机制**：通过三目标协同与专家分离设计，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，同时完整保留通用视觉-语言理解与推理能力。

## 如何使用Wall-OSS-0.5

- 
**环境准备**：创建 Python 3.10 的 conda 环境，安装 PyTorch 等基础依赖，并确保安装 Flash Attention 2.7.4 及以上版本以加速推理。

- 
**安装 LeRobot 库**：克隆 Hugging Face 的 LeRobot 仓库，checkout 到指定兼容版本后执行 `pip install -e .` 完成安装。

- 
**安装 Wall-X 工具链**：克隆 `wall-x` 开源仓库，运行 `git submodule update --init --recursive` 拉取子模块后，执行安装命令完成工具链部署。

- 
**下载预训练权重**：从 Hugging Face（`x-square-robot/wall-oss-0.5`）下载官方发布的预训练模型检查点。

- 
**配置机器人参数**：根据目标机器人类型（如桌面双臂、移动操作等）设置自由度（DOF）配置、模型路径、数据路径及训练超参数。

- 
**执行微调（可选）**：如需针对特定任务优化，在 LeRobot 格式的数据集上运行微调脚本（如 `bash ./workspace/lerobot_example/run.sh`）以提升任务表现。

- 
**部署到真实硬件**：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推理或微调后推理，直接输出可执行的机器人控制策略。

## 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。

## Wall-OSS-0.5的项目地址

- **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的同类竞品对比

对比维度
Wall-OSS-0.5
π0.5
OpenVLA

**开发机构**
自变量机器人（X Square Robot）
Physical Intelligence（PI）
Stanford 等学术机构

**参数规模**
40 亿（3B Qwen2.5-VL 骨干）
未公开（基于 π0 架构扩展）
70 亿（LLaMA 2-7B 骨干）

**核心架构**
MoT 混合专家 + 梯度桥接协同训练
Transformer 分层推理 + 动作专家
Prismatic VLM（SigLIP + DINOv2 + LLaMA 2）

**动作生成方式**
离散 token 与连续流匹配协同优化
高层离散 token 自回归 + 低层流匹配去噪
将动作视为语言模型词汇表中的离散 token 预测

**训练数据规模**
20+ 种机器人形态，每轮 100 万+ 轨迹，9000 万多模态样本
网络数据 + 跨机器人经验 + 口头指令多源协同
Open X-Embodiment 数据集 97 万条轨迹

**零样本部署能力**
预训练检查点直接部署，17 项任务中 4 项进度超 80%
预训练后需后训练/微调，不直接支持零样本硬件部署
预训练模型需任务特定微调，不支持直接零样本部署

**微调后性能**
15 项真实任务平均进度 60.5%，领先 π0.5 达 17.5 个百分点
真实家庭环境任务成功率 60%-88%，复杂指令遵循率高
WidowX / Google Robot 多任务成功率领先 RT-2-X 16.5%

**开源程度**
完全开源（权重、训练代码、配方、消融实验）
研究发布，部分技术细节公开
完全开源（模型权重、代码、LoRA/量化微调方案）

**核心创新点**
梯度桥接实现预训练即部署，动作与 VL 能力协同增强不互损
开放世界泛化与层次化推理（高层语义规划 + 低层动作执行）
首个全面开源的通用 VLA，验证 VLM 直接微调生成动作的可行性

**VLM 能力保持**
实体 grounding 提升 21.8%，通用 VL 理解与推理能力完整保留
依赖网络数据维持语义理解，动作训练后需专门保持
基于预训练 VLM 微调，语言能力基线较高

## Wall-OSS-0.5的应用场景

- 
**家庭服务**：积木排序、水果分类、抽屉整理、戒指堆叠等日常家务操作。

- 
**柔性物体处理**：绳索收紧、抹布折叠、插花等变形物体操作任务。

- 
**工业装配**：精密零件抓取、颜色分类、工具归位等重复性制造流程。

- 
**双臂协作**：需要双手配合完成的复杂装配、整理及长程组合动作。

- 
**长程任务执行**：多阶段连续操作，如果篮整理等多步骤需要持久注意力的任务。

## 常见问题解答 (FAQ)

### Wall-OSS-0.5 可以直接部署到真实机器人吗？
可以。文章介绍它支持“预训练即可部署”，预训练检查点可直接在真实硬件上进行零样本推理，无需针对单一任务先做微调，适合抓取、分拣、整理等真实操作场景。

### Wall-OSS-0.5 的核心技术突破是什么？
核心是 Gradient-Bridge 协同训练与 MoT 混合专家架构。前者把离散动作预测、多模态预测和连续流匹配联合优化，后者将视觉语言与动作计算分路处理，兼顾理解能力和动作生成能力。

### Wall-OSS-0.5 微调后的效果怎么样？
在 LeRobot 数据集上微调后，它在 15 项真实机器人任务上的平均进度达到 60.5%，比同类模型 π0.5 高 17.5 个百分点；同时在未见任务和长程操作上也表现出较强泛化能力。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
