/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
15,1 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Базовая модель
openvla-7b
Библиотека
transformers
Опубликована
9 июл 2026

oft_setting1_chunksize25_batch32_20k

Изображение и текст → текст

Промежуточная версия OpenVLA-OFT, дообученная для управления XArm при захвате кубика и помещении его в стакан по изображениям и проприоцептивным данным.

8скачиваний за 30 дней0лайковвеса обновлены9 июл 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

Это промежуточный чекпойнт OpenVLA-OFT, дообученный на реальных данных с роботом-манипулятором XArm для задачи взять кубик и поместить его в пластиковый стакан. Модель основана на OpenVLA 7B; веса LoRA ранга 32 объединены с базовой моделью. Используются рецепт OpenVLA-OFT с регрессией L1, FiLM и параллельным декодированием, блоки действий длиной 25, размерность действия 7 и размерность проприоцептивных данных 6. Чекпойнт сохранён после 20 000 из 30 000 шагов обучения.

На вход подаются два изображения рабочей зоны — с внешней камеры и камеры на запястье — и проприоцептивные данные; на выходе модель предсказывает действия робота. Для развёртывания требуется кодовая база openvla-oft и настройка констант XArm, указанных в README. Лицензия — MIT.

Сценарии применения

  • захват кубика манипулятором XArm
  • перемещение кубика в пластиковый стакан
  • предсказание последовательностей действий робота по изображениям рабочей зоны
  • эксперименты с OpenVLA-OFT на реальных данных XArm

Ограничения

Это промежуточный чекпойнт на 20 000 из 30 000 шагов, а не финальная версия обучения; он рассчитан на конкретную задачу XArm и требует настройки параметров и кода openvla-oft для развёртывания.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

oft_setting1_chunksize25_batch32_20k

OpenVLA-OFT checkpoint fine-tuned on real-world XArm data, setting 1: pick cube and place into plastic cup. Intermediate checkpoint at 20000 / 30000 training steps (see oft_setting1_chunksize25_batch32 for the final 30k-step model). LoRA weights (rank 32) are already merged into the openvla/openvla-7b base — this repo is a standalone model.

Training

  • Recipe: OpenVLA-OFT (L1 regression, FiLM, parallel decoding)
  • Steps: 20000 of 30000 (LR 5e-4, decay after 20000), effective batch size 32
  • Action chunk: 25, action dim: 7, proprio dim: 6 (BOUNDS_Q99 normalization)
  • Inputs: 2 images (3rd-person + wrist) + proprio

Contents

  • Merged model shards (model-*.safetensors)
  • action_head--20000_checkpoint.pt, proprio_projector--20000_checkpoint.pt, vision_backbone--20000_checkpoint.pt — OFT components needed for deployment
  • dataset_statistics.json — action/proprio normalization statistics
  • oft_training_config.json — training configuration snapshot

Use with the openvla-oft codebase; set XArm constants (chunk 25, action dim 7, proprio dim 6) in prismatic/vla/constants.py before deployment.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
OpenVLAForActionPrediction
Ревизия весов
1f08ab0

0 моделей