/ Модель

Характеристики

Размер весов
45,8 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
vla · dense
Базовая модель
Wan2.1-I2V-14B-480P
Опубликована
4 фев 2026

DreamZero-DROID

Языковая модельИзображение, текст → action3 профессии

DreamZero-DROID — 14-миллиардная World Action Model для zero-shot управления роботом по изображению, языковой инструкции и проприоцептивному состоянию с совместным прогнозированием видео и действий.

1 621скачиваний за 30 дней38лайковвеса обновлены15 мар 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

DreamZero-DROID — чекпойнт World Action Model (WAM) на 14 млрд параметров для управления роботом по зрительному контексту, языковой инструкции и проприоцептивному состоянию. Согласно README, модель разработана GEAR-Dreams и обучена на датасете DROID примерно из 75 тысяч эпизодов с языковыми аннотациями; метаданные указывают Wan-AI/Wan2.1-I2V-14B-480P как базовую модель и связь дообучения.

Модель совместно предсказывает будущие видеокадры и действия робота, представляя динамику среды через видео. Она предназначена для zero-shot переноса навыков на новые задачи и среды, а также для замкнутого управления роботом; README указывает скорость около 7 Гц при использовании DreamZero-Flash и системных оптимизаций.

README сообщает о результатах переноса более чем вдвое выше, чем у сравниваемых VLA-моделей в экспериментах на реальных роботах. Эти заявления относятся к описанным экспериментам; для работы требуется подходящая робототехническая система или среда симуляции. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

Сценарии применения

  • zero-shot выполнение новых роботизированных задач по текстовой инструкции
  • замкнутое управление манипулятором по изображению и состоянию робота
  • оценка политик управления в симуляции
  • прогнозирование будущих кадров и действий робота

Ограничения

Для реального управления требуются робототехническая система или симулятор и входные визуальные и проприоцептивные данные; заявленная частота около 7 Гц зависит от оптимизаций DreamZero-Flash. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

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

🤖 DreamZero-DROID: World Action Models are Zero-shot Policies

arXiv GitHub Project Page

DreamZero-DROID is a 14B parameter World Action Model (WAM) checkpoint trained from scratch using only the DROID dataset. Unlike traditional Vision-Language-Action (VLA) models, DreamZero learns physical dynamics by predicting future world states and actions jointly, using video as a dense representation of how the world evolves.

This specific checkpoint demonstrates the strength of video-model backbones for generalist robot policies, achieving strong zero-shot performance on unseen tasks without requiring pretraining on massive, large-scale robot datasets.

🏗️ Model Details

  • Architecture: World Action Model (WAM) built upon a pretrained video diffusion backbone (Wan2.1-I2V-14B-480P).
  • Parameters: 14 Billion
  • Inputs: Visual context (via VAE), language instructions (via text encoder), and proprioceptive state.
  • Outputs: Joint autoregressive prediction of future video frames and robot actions.
  • Training Data: Trained exclusively on the DROID Dataset (Distributed Robot Interaction Dataset), utilizing ~75k episodes with language annotations.

🚀 Capabilities

  • Zero-Shot Generalization: Delivers over 2x improvement in generalization to new tasks and novel environments compared to state-of-the-art VLAs in real robot experiments.
  • Real-Time Execution: Through model and system optimizations (DreamZero-Flash), this 14B model is capable of real-time closed-loop control at ~7Hz.
  • Joint Video & Action: Learns diverse skills effectively from heterogeneous robot data without relying on highly repetitive demonstrations. Predicted actions closely align with the generated future video states.

💻 How to Use

To use this checkpoint for distributed inference or simulation evaluation, please refer to the main GitHub repository.

1. Download the checkpoint via Hugging Face CLI:

huggingface-cli download GEAR-Dreams/DreamZero-DROID --repo-type model --local-dir ./checkpoints/DreamZero-DROID

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.

Класс архитектуры
VLA
Ревизия весов
96ad344

0 моделей