/ 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-overlap4-pf-h8-pool-s2-noembed

Изображение и текст → текст3 профессии

Дообученная мультимодальная модель Qwen2.5-VL для предсказания действий робота при навигации по спутниковым изображениям в бенчмарке SatNav.

39скачиваний 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-overlap4-pf-h8-pool-s2-noembed — модель навигации робота по спутниковым изображениям в системе SwiftVLN, разработанная для бенчмарка SatNav. Это полноформатное дообучение Qwen2.5-VL-3B-Instruct с 3,1 млрд параметров на офлайн-траекториях экспертов SatNav-v0.1; архитектура Qwen2.5-VL, формат весов safetensors. Модель принимает визуальную историю: окно из 32 RGB-кадров, включая до восьми равномерно выбранных кадров истории, и предсказывает последовательность из четырёх действий. Для памяти используется усреднённый пулинг кадров с шагом 2. Контекстная длина базовой конфигурации — до 128 000 токенов.

Чекпойнт предназначен для экспериментов и оценки в сценарии навигации по спутниковым изображениям с непрерывным состоянием и скользящими окнами, обученными с перекрытием в четыре шага. Карточка рекомендует использовать его с руководством по оценке SwiftVLN и сохранять полное имя репозитория, поскольку конфигурация оценки извлекается из него. Модель ориентирована на английский язык. Лицензия в предоставленных данных не указана.

Сценарии применения

  • предсказание следующих четырёх действий робота по истории спутниковых кадров
  • оценка навигации робота в бенчмарке SatNav
  • эксперименты с навигацией по спутниковым изображениям и историей кадров

Ограничения

Модель специализирована для бенчмарка SatNav и обучена на его офлайн-траекториях; применимость к другим средам навигации не подтверждена. Для оценки требуется совместимый процесс SwiftVLN и полное имя репозитория.

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 — Overlap 4

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 a sliding-window setup in which adjacent training windows overlap by four steps.

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 uniformly 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
  • overlap4: adjacent training windows overlap by four steps
  • pf-h8: uses per-frame memory with 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 Overlap turns (N_o = 2).

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)68.764.081.3+2.9+8.9
Test Unseen (val_unseen)56.853.770.1+3.1+6.0

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 sliding-window 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
d915399

0 моделей