/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
UnifoLM-VLM-Base
Опубликована
23 сен 2026

Unifolm-VLA_mix

Языковая модельИзображение, текст → action3 профессии

Модель vision-language-action для управления Unitree G1 с рукой Dex3 при укладывании блоков по визуальным и языковым данным.

22скачиваний за 30 дней0лайковвеса обновлены23 сен 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

Fichtl00/Unifolm-VLA_mix — модель vision-language-action для управления гуманоидным роботом Unitree G1 с рукой Dex3 при укладывании блоков. Её разработал автор репозитория путём полного дообучения UnifoLM-VLM-Base от Unitree Robotics; визуально-языковая основа Qwen2.5-VL при обучении не замораживалась.

Модель обучена на демонстрациях укладывания блоков, объединяющих реальные данные Unitree и синтетические данные из симуляции Isaac Lab. Она предназначена для управления по визуальным и языковым данным: выдаёт действия в 28-мерном пространстве суставов с горизонтом планирования 16 шагов. Репозиторий содержит итоговую модель и промежуточные чекпойнты.

В метаданных указан формат PyTorch и лицензия Apache-2.0. Описание подтверждает специализированное применение для задачи укладывания блоков на конфигурации G1 + Dex3; данных о качестве на других задачах нет.

Сценарии применения

  • управление Unitree G1 при укладывании блоков
  • планирование движений руки Dex3 для захвата и штабелирования блоков
  • исследование управления гуманоидом по визуальным и языковым инструкциям

Ограничения

Модель специализирована на укладывании блоков для конфигурации Unitree G1 с рукой Dex3; применимость к другим роботам и задачам не подтверждена. В README не приведены оценки качества на реальном роботе или сравнения с другими моделями.

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

UnifoLM-VLA — G1 Dex3 Block-Stacking (Real + Synthetic Mix)

Full finetune (VLM backbone not frozen) of UnifoLM-VLA on the Unitree G1 + Dex3-hand block-stacking task, trained on a mix of real and simulation-generated (synthetic) demonstrations.

Companion model trained on real data only: Fichtl00/Unifolm-VLA_real.

Training data

Mixed via data_mix with a 3:1 relative sampling weight (~75% real / ~25% synthetic per epoch):

Training setup

  • Base VLM: unitreerobotics/UnifoLM-VLM-Base (Qwen2.5-VL)
  • Full finetuning (backbone unfrozen) — the reason this ran on KISSKI HPC (4×A100 80GB) rather than locally
  • DeepSpeed ZeRO Stage 2, bf16
  • Global batch size 24 (per-device 6 × 4 GPUs)
  • 30,000 steps, learning rate 4e-5
  • Action/state: 28-dim joint space, action horizon 16

Final loss: action_dit_loss = 0.0076, mse_score = 0.0010 (step 30000).

Checkpoints

final_model/ plus intermediate checkpoints every 2000 steps (checkpoints/steps_2000 … steps_30000) for checkpoint selection / comparison against the real-only run.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
438922f

0 моделей