/ 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_setting2_chunksize25_batch32_30k

Изображение и текст → текст3 профессии

Дообученная OpenVLA-OFT для управления роботом XArm при складывании чашек по изображениям и данным о положении робота.

13скачиваний 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 дообученная модель OpenVLA-OFT на базе openvla/openvla-7b, обученная разработчиком карточки на реальных данных робота-манипулятора XArm для сценария складывания чашек. Модель принимает два изображения рабочей зоны — с внешней камеры и камеры на запястье — вместе с данными о положении робота и предсказывает последовательность управляющих действий.

Чекпойнт завершил обучение на 30 000 шагах с эффективным размером пакета 32. Используются предсказание действий блоками по 25 шагов, размерность действия 7 и размерность данных о положении робота 6; веса LoRA ранга 32 объединены с базовой моделью. Для развёртывания требуются кодовая база OpenVLA-OFT и настройка параметров XArm. Лицензия — MIT.

Сценарии применения

  • управление XArm при складывании чашек
  • предсказание последовательностей действий робота-манипулятора
  • роботизированные задачи по изображениям внешней и кистевой камер

Ограничения

Модель обучена для конкретной задачи складывания чашек на XArm, поэтому её пригодность для других роботов и сценариев не подтверждена. Для развёртывания нужны кодовая база OpenVLA-OFT и соответствующие параметры XArm.

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

oft_setting2_chunksize25_batch32_30k

Final checkpoint at 30000 / 30000 training steps. OpenVLA-OFT checkpoint fine-tuned on real-world XArm data, setting 2: cup stacking. 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: 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--30000_checkpoint.pt, proprio_projector--30000_checkpoint.pt, vision_backbone--30000_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
c62f21c

0 моделей