基于 DGX Spark 的高效推理！开源机器人模型 MolmoAct2 完美集成 LeRobot，全链路开箱即用

具身智能（Embodied AI）领域迎来了一位强力新成员！艾伦人工智能研究所（Ai2）的开源机器人动作推理模型MolmoAct2目前已正式登陆 Hugging Face 的LeRobot机器人学习框架。

这意味着开发者现在可以更轻松地在真实世界中训练、评估和部署这款前沿的机器人控制模型。

什么是 MolmoAct2？

MolmoAct2是 Ai2 专门为真实世界机器人控制设计的开源动作推理模型（Action Reasoning Model）。它巧妙地结合了两种核心技术：

强大的视觉语言骨干网络（Molmo2-ER）：赋予机器人极高的空间感知和指令理解能力。

流匹配连续动作专家（Flow-Matching Continuous Action Expert）：确保机器人动作的流畅性与精准度。

通过将强大的视觉语言理解能力与精准的动作生成相结合，MolmoAct2 能够理解复杂的环境和人类指令，并将其转化为机器人小车、机械臂等硬件的实际动作。

LeRobot 生态的完美集成

随着 MolmoAct2 接入 LeRobot，开发者可以享受到全流程的“开箱即用”体验。此次集成带来了以下核心功能：

原生策略支持：LeRobot 现已原生支持 molmoact2 策略（Policy）。

全链路覆盖：从训练（Training）、评估（Evaluation）到部署（Deployment），以及详尽的官方文档，一应俱全。

双重动作模式：* 在推理时，通过流匹配动作专家支持连续动作推理（Continuous Action Inference）。在训练时，支持

离散动作 Token（Discrete Action Tokens），让模型训练更加高效稳定。

性能强劲，上手极简

MolmoAct2 拥有卓越的开箱即用性能（Out-of-the-box performance）。无论你是想直接体验其强大的基准能力，还是希望针对特定的机器人任务进行微调（Fine-tune），LeRobot 框架都为你极大地降低了门槛。

目前，基于 NVIDIA DGX Spark 算力平台运行的物体抓取与投放（Pick-and-place）推理测试表现优异，证明了其在实际工业和研究场景中的巨大潜力。

开发者实战：连续折毛巾任务大获成功！

MolmoAct2 的强大不仅体现在理论上，在实际的极高难度任务中也展现出了惊人的泛化与微调能力。

在最近的一项高难度机器人挑战中，开发团队的目标是让机器人使用基于扩散（Diffusion）或流匹配（Flow-matching）的策略，连续完成两次毛巾折叠（Two consecutive towel folds）。

该任务的圆满成功，不仅证明了 MolmoAct2 极其适合处理这类带有形变、高精度要求的柔性物体控制任务，更展示了Hugging Face 硬件生态 + NVIDIA 算力支持为机器人学习（Robot Learning）带来的无限可能。

如果你正在寻找一个强大、灵活且开源的机器人控制方案，不妨立即前往 LeRobot 社区，亲自体验 MolmoAct2 的魅力！

文档：https://huggingface.co/docs/lerobot/main/en/molmoact2