MolmoAct 2 檢查點選擇：Base、Think、DROID、YAM 與 LIBERO

MolmoAct 2 檢查點應按機器人形態和動作模式選擇，而不是按名稱強弱排序。官方 MolmoAct2 倉庫把 MolmoAct2 與 Think 列為繼續適配的基礎檢查點，把 DROID、BimanualYAM、SO100/101 和 LIBERO 列為特定平台或基準的微調模型。

新形態通常先用 Base；當明確的三維結構推論可能解決任務瓶頸時再測 Think。即使目標接近 Franka DROID、YAM、SO 機械臂或 LIBERO，也要先匹配攝影機、狀態向量和控制表示。機器人基礎模型指南解釋了適配邊界。

用形態、模式、任務和深度需求縮小選擇

先問目標是實機還是模擬，是單臂、雙臂還是 SO 系列，動作是關節位置還是末端姿態，以及深度推論是否值得額外計算與延遲。

官方倉庫也把 Base 稱為基礎檢查點而非通用部署策略。關節順序、相機順序、正規化和單位不一致就不能直接執行。

Base 被描述為帶連續 flow-matching 動作專家的 post-trained 模型，是面向目標機器人繼續微調的預設起點。

直接接新夾爪會遇到維度、單位、正規化和安全範圍不匹配。VLA 模型指南中的 Action 必須對應具體機體介面。

Ai2 官方釋出說明 Think 加入深度感知標記，並在預計有幫助時自適應路由深度預測，適合遮擋、插入和複雜空間關係。

名稱不表示所有任務都更好。應在相同資料與硬體上比較 Base 和 Think 的成功、p95 延遲和恢復。

DROID 對應 Franka 絕對關節姿態，YAM 對應雙臂，SO100_101 對應 SO 資料，LIBERO 對應多個訓練套件，Think-LIBERO 加入深度路徑。

複用前核對關節、狀態維度、相機名稱與順序、夾爪、控制週期、動作長度和正規化，任何不一致都需要轉換或微調。

官方 Hugging Face 模型卡和倉庫提供模型後設資料、依賴、dtype 與伺服器模式，這些會更新，應記錄具體版本。

按目標 dtype、相機數、解析度、批處理和 action horizon 實測峰值視訊記憶體與延遲，不要用單一數字購買 GPU。

MolmoAct2 論文報告 7 項模擬與實機基準和 13 項具身推論基準，部落格給出 LIBERO 微調後 Base 97.2%、Think 98.1%。

這些是作者報告，不保證其他機器人現場。應按機器人 VLA 評測指南記錄完整試驗、失敗、介入和延遲。

先檔案化觀測、狀態、動作，離線驗證維度單位，再在模擬測試限制與停車，最後用低速低力進行實機試驗。

速度、工作空間、扭矩和接觸力應由策略外的獨立安全層限制，並保持急停與人員監督。

通常先用 Base 建立基線，當深度、遮擋或空間關係是實際瓶頸時，再在同條件比較 Think。兩者都需要目標機器人適配。

通常不能直接使用。它假設 Franka 式絕對關節姿態及特定狀態和相機模式，需要核對關節、座標、夾爪、正規化與時序。

不代表。該數字是 Ai2 報告的 Think 在 LIBERO 微調平均，實機還有形態、感測器、延遲、接觸、安全和恢復條件。

最後查核：2026 年 8 月 7 日