用途：基于官方 openvla-oft 代码库，对 OpenVLA-OFT 与 OpenVLA-OFT+ 策略进行微调与评估，用于带视觉与语言条件的机器人动作生成。
主要能力：OFT 用专用连续动作头（L1 回归或扩散）替代标准 OpenVLA 的离散动作分箱，主干冻结并通过 LoRA 适配；OFT+ 额外启用 FiLM 条件化并使用 3 路图像（高位+左右腕），面向 ALOHA 真机；OFT 使用 2 路图像，面向 LIBERO 仿真。支持 LoRA 合并、RLDS 数据集训练、LIBERO 与 ALOHA 评估。
使用方式：克隆 https://github.com/moojink/openvla-oft.git，按官方步骤建 conda 环境（Python 3.10、PyTorch 2.2.0），pip install -e . 并安装 flash-attn==2.5.5。LIBERO 评估示例：python experiments/robot/libero/run_libero_eval.py --pretrained_checkpoint moojink/openvla-7b-oft-finetuned-libero-spatial --task_suite_name libero_spatial --center_crop True --num_trials_per_task 50 --seed 7。微调用 torchrun 调用 vla-scripts/finetune.py，LoRA 合并用 vla-scripts/merge_lora_weights_and_save.py。ALOHA 需先预处理数据、注册 RLDS 配置，再启动 vla-scripts/deploy.py 服务端与 run_aloha_eval.py 客户端。
适用场景：需要官方 LIBERO/ALOHA 工作流、偏好 LoRA 适配 openvla/openvla-7b、或需要连续动作头时。其他 VLA 架构（如 pi0）或通用 LLM 微调应选替代方案。
限制：训练与推理的动作头、FiLM、图像路数、proprio、LoRA rank、裁剪等标志必须一致，否则会静默失败；LIBERO 微调建议 8×A100（约 27GB/GPU），ALOHA 约 35GB/GPU；结果依赖 Python 3.10.14、PyTorch 2.2.0、A100 与定制 Transformers 分支。具体收费与价格暂未提供。