/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
30,5 ГБ
Лицензия
Apache 2.0
Архитектура
openvla · dense
Опубликована
9 авг 2026

fpvla-fsdp-linear-stage1-30k

Изображение и текст → текст3 профессии

Дообученная на OpenVLA-7B модель FP-VLA предсказывает траектории и действия робота по изображению и предыдущей траектории.

9скачиваний за 30 дней0лайковвеса обновлены10 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

3CTeam/fpvla-fsdp-linear-stage1-30k — модель FP-VLA для робототехники с предсказанием траектории, дообученная на базе openvla/openvla-7b. В архитектуре OpenVLA используется линейная голова для регрессии траектории и MLP-голова для предсказания действий. Линейная голова детерминированно выдаёт нормализованную траекторию из 33 точек с двумя координатами, используя 66 обучаемых токенов запросов, обусловленных изображением и предыдущей траекторией.

Чекпойнт соответствует шагу обучения 30000 и предназначен для предсказания траекторий и действий в задачах управления роботами по визуальному контексту. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Карточка не сообщает отдельные сведения о размере, контекстном окне или поддерживаемых естественных языках.

Сценарии применения

  • предсказание траектории движения робота по изображению
  • планирование движения по визуальному контексту и предыдущей траектории
  • предсказание управляющих действий робота

Ограничения

Траектория выдаётся в виде нормализованных координат и состоит из 33 точек; карточка не описывает условия перевода этих координат в физические команды робота. Качество и область применимости зависят от обучающих данных и сценария оценки trace_mix.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

3CTeam/fpvla-fsdp-linear-stage1-30k

FP-VLA (Vision-Language-Action) model with trace prediction capability, fine-tuned from openvla/openvla-7b.

Model Architecture

ComponentType
Trace Headlinear
Action Headmlp

Linear Trace Head

  • Direct regression via nn.Linear for trajectory prediction
  • Deterministic inference (no sampling noise)
  • Input: 66 learnable query tokens (conditioned on image + past trajectory)
  • Output: 33-point normalized trajectory [33, 2]

Training Info

  • Checkpoint step: 30000

Usage

from prismatic.extern.hf.configuration_prismatic import OpenVLAConfig
from prismatic.extern.hf.modeling_prismatic import OpenVLAForActionPrediction

# Load config + model (constructor + manual weight loading)
config = OpenVLAConfig.from_pretrained("YOUR_REPO_ID")
model = OpenVLAForActionPrediction(config)

import glob
from safetensors.torch import load_file
state_dict = {}
for shard in sorted(glob.glob("YOUR_REPO_ID/*.safetensors")):
    state_dict.update(load_file(shard))
model.load_state_dict(state_dict, strict=False)

Evaluation

python vla_scripts/eval_trace_mix.py \
    --model_path YOUR_REPO_ID \
    --base_vla_path openvla/openvla-7b \
    --data_root_dir data \
    --dataset_name trace_mix \
    --output_dir runs/eval \
    --max_samples 64

License

Apache-2.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OpenVLAForActionPrediction
Ревизия весов
498f66e

0 моделей