/ Модель

Характеристики

Лицензия
Gemma
Библиотека
lerobot
Опубликована
1 июл 2026

pi05_base_reflex_test

Языковая модельИзображение, текст → action

Производная модели TopYan/My_VLA_3W. Модель π₀.₅ на базе LeRobot преобразует изображения и инструкции в непрерывные действия для управления роботом и дообучения под конкретные задачи.

5скачиваний за 30 дней0лайковвеса обновлены1 июл 2026

Бенчмарки

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

Публичные оценки1

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

  • VLABench/vlabench_primitive_ft_lerobot_video

    score

    Результат

    42

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели Bafiste/pi05_base_reflex_test на Hugging Face совпадает с карточкой TopYan/My_VLA_3W, поэтому описание составлено по ней.

TopYan/My_VLA_3W — контрольная точка модели π₀.₅, разработанной Physical Intelligence и представленной в реализации LeRobot. Это модель Vision-Language-Action для управления роботом: она принимает изображения с нескольких камер, состояние и проприоцептивные данные робота, а также необязательную инструкцию на естественном языке и предсказывает непрерывные действия.

Модель предназначена для дообучения под конкретного робота и сценарий, например для выполнения манипуляций по команде в реальной среде. Обучение и предсказание действий используют flow-matching action head. В этой версии доступны только компоненты, необходимые для работы этой головы; предсказание подзадач, токенизация действий и обучение с подкреплением из оригинальной работы не включены.

Репозиторий распространяет веса в формате safetensors через библиотеку LeRobot. Указана лицензия Gemma. README описывает модель как базовую для дообучения, поэтому её применение предполагает настройку и проверку на целевом роботе и задаче.

Сценарии применения

  • дообучение робота-манипулятора выполнению задач по текстовой инструкции
  • перекладывание предметов по команде с использованием камер робота
  • управление роботом по изображениям с нескольких камер и данным о состоянии
  • адаптация VLA-модели к новому роботу и рабочей среде

Ограничения

Поддерживается только flow-matching action head; предсказание подзадач, токенизация действий и обучение с подкреплением из оригинальной работы не включены. Модель предназначена для дообучения под конкретную задачу, а не описана как готовая универсальная политика.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

π₀.₅ (Pi05) (LeRobot)

π₀.₅ is a Vision-Language-Action (VLA) model with open-world generalization from Physical Intelligence, co-trained on robot demonstrations and large-scale multimodal data to execute long-horizon tasks in unseen real-world environments.

Note: This model currently supports only the flow-matching action head for π₀.₅ training and inference. Other components from the original work (e.g., subtask prediction, action tokenization, or RL) were not released upstream and are not included here, though the LeRobot team is actively working to support them.

Original paper: π0.5: A Vision-Language-Action Model with Open-World Generalization
Reference implementation: https://github.com/Physical-Intelligence/openpi
LeRobot implementation: Follows the original reference code for compatibility.

Model description

  • Inputs: images (multi-view), proprio/state, optional language instruction
  • Outputs: continuous actions
  • Training objective: flow matching
  • Action representation: continuous
  • Intended use: Base model to fine tune on your specific use case

Quick start (inference on a real batch)

Installation

pip install "lerobot[pi]@git+https://github.com/huggingface/lerobot.git"

For full installation details (including optional video dependencies such as ffmpeg for torchcodec), see the official documentation: https://huggingface.co/docs/lerobot/installation

Load model + dataset, run select_action

import torch
from lerobot.datasets.lerobot_dataset import LeRobotDataset
from lerobot.policies.factory import make_pre_post_processors

# Swap this import per-policy
from lerobot.policies.pi05 import PI05Policy

# load a policy
model_id = "lerobot/pi05_base"  # <- swap checkpoint
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

policy = PI05Policy.from_pretrained(model_id).to(device).eval()

preprocess, postprocess = make_pre_post_processors(
    policy.config,
    model_id,
    preprocessor_overrides={"device_processor": {"device": str(device)}},
)
# load a lerobotdataset (we will replace with a simpler dataset)
dataset = LeRobotDataset("lerobot/libero")

# pick an episode
episode_index = 0

# each episode corresponds to a contiguous range of frame indices
from_idx = dataset.meta.episodes["dataset_from_index"][episode_index]
to_idx   = dataset.meta.episodes["dataset_to_index"][episode_index]

# get a single frame from that episode (e.g. the first frame)
frame_index = from_idx
frame = dict(dataset[frame_index])

batch = preprocess(frame)
with torch.inference_mode():
    pred_action = policy.select_action(batch)
    # use your policy postprocess, this post process the action
    # for instance unnormalize the actions, detokenize it etc..
    pred_action = postprocess(pred_action)

Training step (loss + backward)

If you’re training / fine-tuning, you typically call forward(...) to get a loss and then:

policy.train()
batch = dict(dataset[0])
batch = preprocess(batch)

loss, outputs = policy.forward(batch)
loss.backward()

Notes:

  • Some policies expose policy(**batch) or return a dict; keep this snippet aligned with the policy API.
  • Use your trainer script (lerobot-train) for full training loops.

How to train / fine-tune

lerobot-train \
  --dataset.repo_id=${HF_USER}/<dataset> \
  --output_dir=./outputs/[RUN_NAME] \
  --job_name=[RUN_NAME] \
  --policy.repo_id=${HF_USER}/<desired_policy_repo_id> \
  --policy.path=lerobot/[BASE_CHECKPOINT] \
  --policy.dtype=bfloat16 \
  --policy.device=cuda \
  --steps=100000 \
  --batch_size=4

Add policy-specific flags below:

  • -policy.chunk_size=...
  • -policy.n_action_steps=...
  • -policy.max_action_tokens=...
  • -policy.gradient_checkpointing=true

Real-World Inference & Evaluation

You can use the record script from lerobot-record with a policy checkpoint as input, to run inference and evaluate your policy.

For instance, run this command or API example to run inference and record 10 evaluation episodes:

lerobot-record  \
  --robot.type=so100_follower \
  --robot.port=/dev/ttyACM1 \
  --robot.cameras="{ up: {type: opencv, index_or_path: /dev/video10, width: 640, height: 480, fps: 30}, side: {type: intelrealsense, serial_number_or_name: 233522074606, width: 640, height: 480, fps: 30}}" \
  --robot.id=my_awesome_follower_arm \
  --display_data=false \
  --dataset.repo_id=${HF_USER}/eval_so100 \
  --dataset.single_task="Put lego brick into the transparent box" \
  # <- Teleop optional if you want to teleoperate in between episodes \
  # --teleop.type=so100_leader \
  # --teleop.port=/dev/ttyACM0 \
  # --teleop.id=my_awesome_leader_arm \
  --policy.path=${HF_USER}/my_policy

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
35a6f14

0 моделей