Характеристики

Опубликована: 16 июл 2026

Ссылки

Hugging Face

lges_case_pick_0708_rl

Chanho-Lee

Обучение с подкреплением

Вспомогательные ICM- и critic-чекпойнты для обучения с подкреплением модели smolVLA в задаче укладки коробок.

0скачиваний за 30 дней1лайквеса обновлены16 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

Репозиторий содержит вспомогательные чекпойнты для дообучения с подкреплением модели Chanho-Lee/smolvla_naive_0708 в задаче укладки коробок LGES. В него входят замороженные прямые модели ICM для потоков proprio и vision и ансамбль критиков, оценивающий V(s) по объединённым признакам размерности 975. Чекпойнты рассчитаны на использование с плагином smolvla_meanflow и схемой AWR + BC с наградой обратного любопытства, которая поощряет меньшую ошибку предсказания потоков.

Сценарии применения

дообучение робота для укладки коробок на паллету
оценка состояний робота ансамблем критиков
расчёт награды по proprio- и vision-потокам
эксперименты с обратным любопытством в обучении с подкреплением

Ограничения

Чекпойнты предназначены для конкретного сценария LGES case pick и требуют базовую модель Chanho-Lee/smolvla_naive_0708 и плагин smolvla_meanflow. README не приводит количественных результатов качества или сведений о лицензии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Reversed-curiosity RL assets for LGES case pick (icm_0708.pt / critic_0708.pt)

Companion checkpoints for RL fine-tuning of Chanho-Lee/smolvla_naive_0708 (reversed-curiosity / anti-exploration reward, AWR + BC). Code: smolvla_meanflow plugin.

file	class	contents
`icm_0708.pt`	`smolvla_meanflow.icm.ICM`	frozen forward models, streams ['proprio', 'vision'], per-stream calibrated eta {'proprio': 1.6751, 'vision': 0.3907}
`critic_0708.pt`	`smolvla_meanflow.critic.CriticEnsemble`	V(s) on the fixed reward mix {'proprio': 1.0, 'vision': 1.0} (input: concat features, 975-d)

Reward: r = sum_s w_s * exp(-eta_s * err_s) / sum_s w_s in (0, 1] per step. Trained on Chanho-Lee/lges_case_pick_0708 with the last episode of each pallet layer held out ([14, 29, 44, 59, 74]).

from huggingface_hub import hf_hub_download
from smolvla_meanflow.icm import ICM
from smolvla_meanflow.critic import CriticEnsemble

icm = ICM.load(hf_hub_download("Chanho-Lee/lges_case_pick_0708_rl", "icm_0708.pt"))
critic = CriticEnsemble.load(hf_hub_download("Chanho-Lee/lges_case_pick_0708_rl", "critic_0708.pt"))

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов: bee7d71