机器人开源开始用运行证据定价

本周结论

本周机器人与端侧 AI 的共同主题，不是又多了几个 VLA 模型，而是“可运行证据”开始从模型 README 的附属材料，变成开源项目能否进入工程选型的核心资产。NVIDIA 在 Isaac GR00T N1.7 主分支把 GA、Apache-2.0、商业支持、LeRobot 数据格式、TensorRT 部署和 Jetson Thor/Orin 硬件要求放进同一条路径；FlashRT 用 Jetson AGX Thor 上的 VLA 延迟与 LIBERO 结果强调实时推理；AllenAI 的 vla-evaluation-harness v0.4.0 把默认记录、可复现 Docker rebuild 和 LeRobot bridge 做成评测工具；OpenGalaxea 则在 7 月 11 日补上 G0.5 面向 R1 Pro 的真机零样本部署入口。这些事实放在一起，说明开源机器人模型正在从“给权重和代码”进入“给运行链路和复现实验”的阶段。NVIDIA GR00T

一个可辩论判断是：未来 1 到 2 个月，机器人模型项目的影响力会更多由“能否被别人按同一接口复测”决定，而不是只由论文成功率或模型参数决定。这个判断不等于模型能力不重要，而是说模型能力必须经过四层证据过滤：权重许可证、部署入口、逐步记录、实时延迟。对 Jetson、RKNN、QNN、OpenVINO、BPU 等端侧平台来说，真正的机会不只是支持某个模型格式，而是把这些证据变成 SDK 默认输出项。

这个判断的非共识之处在于，它把“模型生态”的价值重心前移到验证协议。过去开源 VLA 项目常用三类材料证明自己：论文表格、少量演示视频、可下载 checkpoint。但这些材料对工程团队仍然不够，因为真实机器人部署最容易失败的地方通常在模型外：相机帧率不稳、动作 chunk 过长、服务端与控制端时钟不一致、机器人本体状态字段不匹配、温控降频后延迟被拉长、异常动作没有可回放日志。若一个项目能把这些运行条件和失败样本结构化，它即使模型不是最强，也可能更早进入团队的基线实验。

第二个判断更偏产业：端侧芯片厂商短期未必能直接争夺最大 VLA 模型的训练叙事，但可以争夺“可复测运行栈”的默认入口。谁能让客户在 RKNN、QNN、OpenVINO、BPU、CUDA 或 Vulkan 后端上得到同一套延迟、内存、功耗、精度回归和失败 trace，谁就能把芯片从参数表带入机器人软件团队的日常 CI。这个判断的反面也成立：如果端侧厂商只给模型清单，不给可复现闭环指标，模型项目会继续默认围绕 NVIDIA 生态组织实验。

证据链

第一条证据来自 GR00T N1.7。NVIDIA 的仓库写明 N1.7 是 GA release，提供预训练权重和参考代码，允许生产部署并提供商业支持；README 同时说明模型切到 Cosmos-Reason2-2B/Qwen3-VL 相关栈，采用相对末端执行器动作空间，加入 20K 小时 EgoScale 人类视频预训练，并给出 ONNX/TensorRT 导出、Policy API、LeRobot 格式和 Jetson Thor/Orin 部署要求。这里的新增量不是“又一个开源 VLA”，而是模型、数据格式、推理、微调、评测和商业支持被包装成可交付栈。NVIDIA GR00T

第二条证据来自 FlashRT。项目文档把 Jetson AGX Thor 上的 Pi0.5 作为端到端样例，2 视角 LIBERO Spatial 报告约 44.0 ms、23 Hz，并在 10 个任务 x 50 episode 的 LIBERO Spatial 中给出 492/500=98.4%；同页列出 NVIDIA TensorRT baseline 在 2 视角 Pi0.5 下为 91-95 ms。它还披露 1/2/3 视角延迟、FP8 校准、CUDA Graph、GR00T N1.6 阶段耗时和 Pi0-FAST 解码耗时。证据阶段仍是项目自报 benchmark，不是第三方真机任务，但它把“端侧能不能跑 VLA”细化为相机视角、动作 horizon、精度、图捕获和每步延迟。FlashRT Thor 文档

第三条证据来自 vla-evaluation-harness v0.4.0。这个 release 在 2026 年 7 月 7 日发布，核心变化包括默认写入 episode 与 step 级 SQLite 记录、可复现 Docker rebuild、DuoBench，以及 LeRobot bridge。其 release 还列出 100 episode 复测：pi0.5 在 LIBERO Object 为 100%，GR00T N1.7 为 99%，MolmoAct2 为 97%，VLA-JEPA 为 96%，并明确写出 FastWAM 94.0 在该 tag 下不可复现。这个“不复现也记录”的信号很重要，因为它把 VLA 评测从宣传表格拉回到可审计运行日志。vla-eval v0.4.0

第四条证据来自 OpenGalaxea。GalaxeaVLA README 在 2026 年 7 月 11 日新增 G0.5 面向 R1 Pro 的 real-robot zero-shot inference deployment entrypoint，并说明使用同一个 g05-base 预训练 checkpoint；R1 Pro 目录则把机器人侧客户端拆成 ROS2 采集、WebSocket/msgpack 传输、服务端推理、动作平滑和发布，不在客户端加载 torch。G0.5 本身走统一自回归 VLA、27 维跨本体 ActionCodec、控制用 chain-of-thought 和视觉记忆路线。这不是完整量产证据，但说明模型项目也在补齐“机器人端如何接入”的工程材料。GalaxeaVLA R1 Pro

第五条辅助证据来自地平线 HoloAgent-0。它已在前一篇日报中覆盖，这里只把它作为交叉观察：HoloAgent 把 Embodied AgentOS、3D spatial memory 和 robot skills 放进同一系统框架，说明国内端侧厂商也在尝试把 Agent 的执行、记忆和技能接口搬到物理世界。这个信号与 FlashRT 和 vla-evaluation-harness 的共同点，是它们都不满足于“模型输出一个动作”，而是围绕执行过程建立状态、记录和可恢复边界。HoloAgent

把这些证据串起来，可以看到本周不是单线突破，而是四个层次开始靠近：模型层给权重和接口，runtime 层压小 batch 延迟，评测层记录每一步，机器人客户端层对接真实传感器和动作发布。任一层单独看都不能证明产业化，但四层同时变密，意味着机器人开源项目之间会更容易被横向比较。这会改变研发团队的试用顺序：先看是否能跑通标准复测，再看是否能接入本体，最后才把模型分数、端侧功耗和业务任务放到同一张表里。

同类方案对比

这个对比暴露出一个反常识点：本周最有工程价值的项目未必是“最大”的模型，而是能把运行条件写清楚的项目。GR00T 的强项是把模型栈产品化，FlashRT 的强项是给出端侧实时指标，vla-evaluation-harness 的强项是可审计记录，GalaxeaVLA 的强项是把服务端推理和机器人客户端边界拆开。对机器人团队来说，它们不是互斥选项，而是共同定义了一个新的采购问题：你选的不只是模型，还包括数据格式、运行时、日志、延迟预算和复测工具。GalaxeaVLA

对不同类型团队，影响点并不一样。模型团队会被迫把“复现入口”前置，否则外部只能相信论文表格；机器人本体团队会更关心动作接口、状态字段和异常处理，而不是单纯关心模型榜单；端侧平台团队则需要把模型运行过程拆成可优化的后端任务，比如视觉 encoder、语言 backbone、动作 head、后处理、通信和控制发布。这里的关键不是每家都做全栈，而是每家都要能暴露自己的边界条件。边界越清楚，工程选型越容易发生。

这也解释了为什么周报不把 MathWorks 的 robot-vla-simulink 作为核心证据。该仓库显示它提供 Simulink、Unreal Engine、MATLAB-Python co-simulation 与 Octo、RT-1-X 等 VLA 集成框架，但目前没有 release，GitHub API 显示星标和 fork 都很低，证据强度还不足。它更像一个方向提示：传统仿真与控制工具也在接近 VLA 工作流，但能否成为事实标准，仍取决于是否能和上面的记录、复测、部署协议接上。robot-vla-simulink

反例与限制

反例首先是证据层级还不够高。FlashRT 的 Thor 数字来自项目文档，GR00T 的 GA 和 benchmark 是厂商主仓库披露，GalaxeaVLA 的 R1 Pro 入口说明了接入方法，但没有第三方长期运行报告；vla-evaluation-harness 虽然改善了复测流程，主要仍是仿真 benchmark。也就是说，本周事实能支持“运行证据变重要”，还不能证明“这些项目已经达到量产可靠性”。如果未来几周真实机器人任务中失败恢复、温控降频、相机丢帧、动作发布抖动没有被系统披露，这个判断必须下修。FlashRT Thor 文档

第二个限制是平台覆盖仍偏 NVIDIA。GR00T 和 FlashRT 都把 Jetson Thor/Orin 写成重要部署对象，FlashRT 当前性能叙事更依赖 CUDA、FP8/NVFP4 和 CUDA Graph；GalaxeaVLA 的 G0.5 运行也要求较强 NVIDIA GPU。对瑞芯微、全志、星宸、地平线、黑芝麻、爱芯元智、高通和 Intel 这类端侧平台，短期内未必需要直接复刻完整 VLA runtime，但需要回答一个更近的问题：SDK 是否能输出和这些项目同维度的证据，包括模型版本、量化格式、相机输入数、控制频率、端到端延迟、日志追溯和失败样本。NVIDIA GR00T

第三个限制是“仿真复测”和“真实部署”之间仍有缺口。vla-evaluation-harness 的优势在于让仿真结果更可审计，但机器人客户真正害怕的是长时间运行中的分布漂移和系统故障：抓取失败后的恢复动作、相机被遮挡后的降级策略、机械臂保护停机后的状态恢复、网络抖动后的动作重复，以及温度、功耗和电池状态对控制频率的影响。当前公开证据还很少把这些问题纳入统一日志，所以不能把本周变化解读为 VLA 已经跨过真实部署关口。

第四个限制是开源许可证和商业支持边界并不一致。GR00T 主仓库明确 Apache-2.0 与商业支持，FlashRT 是 Apache-2.0；GalaxeaVLA 的 GitHub API license 字段为 NOASSERTION，虽然仓库公开且包含模型与部署材料，但对企业使用来说仍需要进一步核对许可证文本、模型权重条款和数据来源限制。端侧平台厂商在导入这些项目时，不能只看代码能否运行，还要确认权重、数据、依赖库和导出链路是否允许客户产品使用。

接下来如何验证

未来 1 到 8 周优先看四类信号。第一，vla-evaluation-harness 是否被 GR00T、OpenPI、GalaxeaVLA、LeRobot 社区或第三方论文作为默认复测入口，而不是只停留在独立工具仓库。第二，FlashRT 是否出现 Jetson Thor/Orin 之外的复测，尤其是真实机械臂闭环里每步图像预处理、模型推理、动作发送和重试的分项延迟。第三，GalaxeaVLA R1 Pro 入口是否补充真机任务日志、失败样本和非本团队复现记录。第四，国产端侧 SDK 是否开始发布类似“控制闭环报告”，而不是只发布 TOPS、模型清单和离线 demo。vla-eval v0.4.0

若这些信号出现，可以把判断升级为：机器人开源生态的主线从模型发布扩展到运行证据网络。若没有出现，说明本周只是少数项目在工程化表达上更成熟，端侧芯片和机器人平台的短期选型仍会回到价格、功耗、供货、工具链稳定性和客户已有代码资产。对工程团队最务实的做法，是从现在开始把每次 VLA 测试记录成可复查的数据包：模型 commit、checkpoint、量化策略、相机配置、硬件温度、控制频率、失败原因和人工介入次数。这些字段会比“支持某模型”更早变成可验证的差异。GalaxeaVLA R1 Pro

更细的验证表可以这样设定：第一周看 issue、PR 和复现报告是否围绕 vla-evaluation-harness、GR00T N1.7、FlashRT 或 GalaxeaVLA 形成交叉引用；第二到第四周看是否出现同一任务在 Jetson Thor、Jetson Orin、RTX 桌面卡和至少一个非 NVIDIA 后端上的对照；第五到第八周看是否有机器人团队发布完整 episode 日志，而不只是剪辑视频。只要其中任意两条成立，“运行证据链”就会从少数项目特色变成生态压力；如果三条都没有成立，本周判断就应收敛为局部工程改进，而不是行业范式变化。