RLDX-1

RLDX-1 是一个面向灵巧操作的视觉-语言-动作（VLA）模型，专为机器人在真实物理环境中执行类人精细操作任务而设计。其核心采用多流动作Transformer（MSAT）架构，集成运动感知、长时记忆和物理感知三大能力：通过多帧视频建模时序动态，融合历史认知特征支持长程决策，并引入触觉与力矩信号作为独立物理流联合预测。训练采用三阶段策略并结合合成数据增强，推理经静态图优化与定制核实现43.7ms/步实时性能。适用于服务机器人、工业装配、家庭自动化等需跨模态理解与闭环动作生成的具身智能场景。