VLA

MinT 上的 VLA（Vision-Language-Action）微调即将推出（Coming Soon）。VLA 模型以图像和语言指令为输入、输出机器人动作；待具身基座模型在 mint.macaron.im 与 mintcn.macaron.xin 上线后，MinT 将支持 OpenPI 兼容的 VLA 训练。

如需预先登记意向，请联系 sales@mindlab.ltd，或预约 Demo 并在申请中注明 VLA。

本页将覆盖的内容

VLA 上线后，本页将按与其它算法页一致的四段式结构编写：

• Configuration —— mint.ServiceClient、为 VLA 可用的 OpenPI 基座模型调用 create_lora_training_client、相机布局选择、动作 token 预算。
• Prompting Guide —— 多相机图像放置、本体感觉（proprioceptive）状态向量、量化动作 token 目标。
• Output Format —— 模型输出的动作 token 如何反量化为连续控制信号；每步动作范围。
• All Parameters —— VLA 专属参数（最大帧数、动作维度、量化层级、自回归掩码），叠加在标准 SFT / RL 参数之上。

相关阅读

VLA 尚在推进期间，最接近的已上线内容：

• VLM —— 视觉语言模型微调状态。
• SFT 概览 —— VLA 复用的监督微调循环。