# Wall-OSS-0.5 – 自变量机器人开源的国产具身智能模型

- Link: https://paooo.com/aigc-news/18687/
- Published: 2026-06-07T18:07:12+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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](https://paooo.com/ai-study/)，
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%。

阅读目录

 * [Wall-OSS-0.5是什么](https://paooo.com/aigc-news/18687/#walloss05%e6%98%af%e4%bb%80%e4%b9%88)
 * [Wall-OSS-0.5的主要功能](https://paooo.com/aigc-news/18687/#walloss05%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Wall-OSS-0.5的技术原理](https://paooo.com/aigc-news/18687/#walloss05%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用Wall-OSS-0.5](https://paooo.com/aigc-news/18687/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8walloss05)
 * [Wall-OSS-0.5的核心优势](https://paooo.com/aigc-news/18687/#walloss05%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf)
 * [Wall-OSS-0.5的项目地址](https://paooo.com/aigc-news/18687/#walloss05%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Wall-OSS-0.5的同类竞品对比](https://paooo.com/aigc-news/18687/#walloss05%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94)
 * [Wall-OSS-0.5的应用场景](https://paooo.com/aigc-news/18687/#walloss05%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Wall-OSS-0.5](https://paooo.com/wp-content/uploads/2026/06/Wall-OSS-0.5-website-
1.avif)

## 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。

🔬 语宙深潜追问 · 进阶实操拆解

零样本机器人部署真能直接商用吗？

能做演示，不等于能规模商用。零样本适合标准化、低风险任务，真正进产线还要补充安全
约束、失败回退、环境泛化和长尾数据采集，否则稳定性很难过关。

VLA模型要提升真实任务成功率靠什么？

靠高质量动作数据、任务分层训练和更强的视觉-动作对齐。像Gradient-Bridge这类协同训练
能缓解分布偏移，但最终还是要用真实机器人回路持续校准，而不是只看仿真指标。

🗳️ 读者观点微投票 · 您的实战立场是？

具身智能先开源模型还是先做闭环产品？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🌐 所属权威专题：Gemini 全模态与空间智能 →](https://paooo.com/topics/gemini-multimodal/)

 * [重磅开源｜Wall-OSS-0.5：国产具身大模型破解零样本部署难题，无需微调直驱真实机器人](https://paooo.com/aigc-news/18137/)
 * [小米开源首代机器人VLA大模型Xiaomi-Robotics-0：47亿参数MoT架构，实现实时流畅控制](https://paooo.com/aigc-news/11467/)
 * [宇树科技重磅开源UnifoLM-VLA-0：基于Qwen2.5-VL-7B，单一模型实现12类机器人操作，准确率98.7%](https://paooo.com/aigc-news/11535/)
 * [Qwen-VLA – 阿里通义推出的通用视觉-语言-动作模型](https://paooo.com/aigc-news/18636/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/18687/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
