/ Модель
Каталог

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

Ссылки

Hugging Face

oft_setting2_chunksize25_batch32_20k

AAyano
Изображение и текст → текст

Промежуточный чекпойнт OpenVLA-OFT для управления роботом XArm при укладывании чашек по изображениям рабочей зоны и данным о состоянии робота.

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 робота-манипулятора XArm для укладывания чашек, режим 2. Модель основана на OpenVLA 7B; веса LoRA ранга 32 объединены с базовой моделью. Чекпойнт сохранён на 20 000-м шаге из 30 000, поэтому это не финальная версия обучения.

Модель принимает два изображения рабочей зоны — с камеры от третьего лица и камеры на запястье — вместе с данными о положении и состоянии робота и предсказывает последовательности действий. Используется рецепт OpenVLA-OFT с регрессией L1, FiLM и параллельным декодированием; длина чанка действий — 25, размерность действия — 7, проприоцептивных данных — 6. Для развёртывания требуется кодовая база openvla-oft и настройка констант XArm. Лицензия — MIT.

Сценарии применения

  • укладывание чашек роботом-манипулятором XArm
  • предсказание последовательности действий XArm по изображениям камер
  • управление роботом по изображениям с внешней камеры и камеры на запястье
  • эксперименты с обучением OpenVLA-OFT на реальных роботизированных данных

Ограничения

Это промежуточный чекпойнт на 20 000 из 30 000 шагов, а не финальная модель. Для развёртывания нужны openvla-oft и настройка констант XArm с чанком 25, размерностью действия 7 и проприоцептивной размерностью 6.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

oft_setting2_chunksize25_batch32_20k

OpenVLA-OFT checkpoint fine-tuned on real-world XArm data, setting 2: cup stacking. Intermediate checkpoint at 20000 / 30000 training steps (see oft_setting2_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
f1aa77e

0 моделей

    Создать бенчмарк