/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
8,1 ГБ
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
transformers
Опубликована
4 июл 2026

swiftvln-satnav-3b-1ep-f32s4-overlap0-pf-h8-random-pool-s2-noembed

Изображение и текст → текст3 профессии

Дообученная Qwen2.5-VL-3B для навигации роботов по спутниковым изображениям с прогнозированием последовательностей действий в бенчмарке SatNav.

50скачиваний за 30 дней0лайковвеса обновлены19 сен 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Eku127/swiftvln-satnav-3b-1ep-f32s4-overlap0-pf-h8-random-pool-s2-noembed — дообученная модель для навигации робота по спутниковым изображениям в бенчмарке SatNav. Она основана на мультимодальной Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL и 3,1 млрд параметров; использует контекст до 128 000 токенов. Модель обучена полным дообучением в течение одной эпохи на офлайн-траекториях экспертов SatNav-v0.1.

Модель принимает последовательность RGB-кадров и текстовое описание задачи, используя окно из 32 кадров и случайно выбирая до восьми кадров истории. Она прогнозирует последовательность из четырёх действий; для визуальной памяти применяется усредняющий пулинг с шагом 2. Чекпойнт предназначен для оценки через SwiftVLN на SatNav, а не для общего диалогового анализа изображений. README не сообщает лицензию; сведения о ней в описании базовой модели недостаточны, чтобы определить условия использования производного чекпойнта.

Сценарии применения

  • навигация робота по спутниковым снимкам
  • выбор направления движения по истории кадров
  • прогнозирование следующих четырёх действий агента
  • оценка моделей визуально-языковой навигации на SatNav

Ограничения

Модель специализирована для SatNav и настроена на прогнозирование действий по окну из 32 RGB-кадров; перенос на другие среды и задачи не установлен. Лицензия производного чекпойнта в предоставленных данных не указана.

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

SwiftVLN for SatNav — Random History Sampling

Related Repositories

  • SwiftVLN: training and evaluation code for these checkpoints.
  • SatNav: satellite-image navigation environments, datasets, and evaluation tools.

This checkpoint is designed for SwiftVLN on SatNav, the continuous-state vision-and-language navigation benchmark over satellite imagery. It studies random sampling of earlier observations for long-term visual memory.

Model

  • Starting checkpoint: Qwen/Qwen2.5-VL-3B-Instruct
  • Training data: SatNav-v0.1 offline expert trajectories
  • Training: 1 epoch, full-parameter fine-tuning, learning rate 2e-5
  • Context: 32 RGB frames, up to 8 randomly sampled history frames
  • Prediction horizon: 4 actions
  • Memory: per-frame average pooling with stride 2

Repository name

  • swiftvln-satnav: SwiftVLN trained and evaluated on SatNav
  • 3b: Qwen2.5-VL 3B backbone
  • 1ep: trained for one epoch
  • f32s4: uses a 32-frame window and predicts four actions
  • overlap0: uses non-overlapping training windows
  • pf-h8-random: randomly samples up to eight history frames
  • pool-s2: applies average pooling with stride 2
  • noembed: uses no embedding enhancement

Reference Results

Results reported in the SatNav paper, memory-design ablation, row Random sampling.

SR, SPL, and OS are percentages. Changes in SR and OS are percentage points relative to the SwiftVLN reference model.

SplitSR (%)SPL (%)OS (%)Delta SR (pp)Delta OS (pp)
Test Seen (val_seen)52.051.667.9-13.8-4.5
Test Unseen (val_unseen)41.140.957.6-12.6-6.5

Usage

Use this checkpoint with the SwiftVLN evaluation guide. Keep the full repository name unchanged because SwiftVLN derives the evaluation configuration from it.

This checkpoint is a history-sampling ablation in the SwiftVLN SatNav Ablation Model Zoo.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
3efa0e4

0 моделей