/ Модель

Характеристики

Архитектура
vla-lstm-progress-monitor · dense
Библиотека
pytorch
Опубликована
14 июл 2026

vla-lstm-success-monitor

Языковая модельИзображение, текст → action3 профессии

Ансамбль LSTM оценивает временной прогресс роботизированных задач по признакам VLA/VLM-модели.

9скачиваний за 30 дней0лайковвеса обновлены22 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

Ashenzari разработала VLA LSTM Progress Monitor v2.1.0 — ансамбль из пяти LSTM-чекпойнтов для оценки хода роботизированной задачи по признакам замороженной VLA/VLM-модели. На каждом шаге модель получает усреднённые признаки размерности 4096, извлечённые с частотой 10 Гц; для временного контекста используются смещения от −0,3 до 0 секунд и 64 визуальных токена. Выходы пяти моделей усредняются в кривую прогресса.

Модель предназначена для мониторинга прогресса при выполнении задач с кофейной чашкой, блюдцем, бутылкой воды и вином. Для работы нужны признаки, извлечённые именно из VLA-чекпойнта new_vla_checkpoint_vlm_30k, а также применение сохранённого в чекпойнте нормализатора рангов. Голова классификации исхода сохранена для совместимости, но в этой версии не обучалась: её логиты нельзя трактовать как вероятности успеха или неудачи. Оценка проведена только на задачах из обучающего домена и не подтверждает работу на новых задачах. README не сообщает лицензию.

Сценарии применения

  • мониторинг прогресса манипуляций с кофейной чашкой
  • оценка выполнения задачи с блюдцем
  • отслеживание хода манипуляции с бутылкой воды
  • оценка прогресса задачи с вином

Ограничения

Модель рассчитана на указанные внутридоменные задачи; качество на невиданных задачах не установлено. Требуются признаки от new_vla_checkpoint_vlm_30k и нормализатор рангов из чекпойнта; голова исхода не обучена и не подходит для предсказания успеха или неудачи.

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

VLA LSTM Progress Monitor — v2.1.0

This revision contains a five-fold LSTM ensemble trained to estimate causal robot-task progress from frozen VLA/VLM backbone features. It is the progress-only successor to the v1 success/failure monitor.

Version contract

  • Release: v2.1.0
  • Objective: progress-only
  • Training recipe: original progress loss + freeze/reverse temporal augmentation
  • Supported in-domain tasks: coffeecup, saucer, waterbottle, wine
  • Input: 10 Hz mean-pooled 4096-dimensional VLM features
  • Ensemble: mean progress from five collection-disjoint fold checkpoints
  • VLM feature source: new_vla_checkpoint_vlm_30k

Cached features from v2.0.0 are not compatible with these temporal heads. Re-extract features with the 30k-step VLA backbone before inference.

The model architecture still contains an outcome head for checkpoint compatibility, but that head was not trained for this release. Do not interpret its logits as success/failure probabilities. Only head_progress output is valid.

Loading a fold

Install the source repository and PyTorch when loading this LSTM release. The rank normalizer stored in each checkpoint must be applied before inference.

from huggingface_hub import snapshot_download
import json
import torch

from monitor.feature_normalization import TaskRankNormalizer
from monitor.model import Monitor

root = snapshot_download("Ashenzari/vla-lstm-success-monitor", revision="v2.1.0")
config = json.load(open(f"{root}/config.json"))
entry = config["checkpoints"][0]
checkpoint = torch.load(
    f"{root}/{entry['file']}", map_location="cpu", weights_only=True
)

model = Monitor(temporal="lstm", dropout=checkpoint["args"]["dropout"])
model.load_state_dict(checkpoint["model"], strict=True)
model.eval()
normalizer = TaskRankNormalizer.from_state_dict(checkpoint["rank_normalizer"])

# pooled_features: [T, 4096]
x = normalizer.transform(pooled_features.float(), task_id="wine")
with torch.inference_mode():
    _, progress = model(x.unsqueeze(0))
progress = progress[0]  # [T], range [0, 1]

For ensemble inference, repeat the same operation for all five checkpoint entries and average their progress curves.

Feature contract

Features were extracted from the new_vla_checkpoint_vlm_30k VLA checkpoint. Each prediction step uses the context offsets [-0.3, -0.2, -0.1, 0.0] seconds, 64 visual tokens, mean pooling, and a 4096-dimensional feature vector. Changing the VLA/VLM checkpoint can shift the feature distribution and requires revalidation.

Evaluation

See EVALUATION.md and config.json for the clean and freeze/reverse robustness metrics. The evaluation is in-domain and does not establish zero-shot performance on unseen tasks.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
2b3f43d

0 моделей