/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
25,5 ГБ
Лицензия
Apache 2.0
Архитектура
lingbotvla · dense
Базовая модель
lingbot-vla-v2-6b
Опубликована
29 июл 2026

lingbot-vla2-datagen-v1-clutter-joint-2cam-yanZ

Языковая модельИзображение, текст → action

Дообученная LingBot-VLA 2.0 политика для управления роботом при манипуляции объектами в загромождённой сцене ManiGuard.

11скачиваний за 30 дней0лайковвеса обновлены1 авг 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

LingBot-VLA 2.0 ManiGuard datagen-v1 clutter — это политика vision-language-action, дообученная IDEAS-Lab-Northwestern на семействе задач clutter из ManiGuard. Базовая модель — robbyant/lingbot-vla-v2-6b; в репозитории также приведена конфигурация Qwen3-VL-4B-Instruct для построения VLM-компонента. Модель предназначена для управления роботом в симуляционных задачах манипуляции с загромождёнными объектами.

Политика принимает изображения с двух камер и 8-мерное состояние суставов (7 степеней руки и захват), сопоставленное с унифицированным вектором размерности 55. Она выдаёт абсолютные целевые значения суставов, которые можно передавать JointController без вычисления приращений. Обучение проводилось с исходной конфигурацией LingBot, включая MoE и дистилляцию depth/DINO; для запуска нужны статистики нормализации и конфигурация робота из репозитория. Модель распространяется по лицензии Apache-2.0.

Модель специализирована на семействе ManiGuard clutter и конкретной конфигурации двух камер и управления суставами; результаты для других роботов, расположения камер и задач из карточки не подтверждены.

Сценарии применения

  • управление суставами робота при манипуляции в загромождённой сцене
  • исполнение задач ManiGuard clutter по изображениям с двух камер
  • предсказание абсолютных целевых значений суставов и захвата

Ограничения

Обучение описано для семейства ManiGuard clutter, двух камер и конкретного отображения состояния и действий суставов; пригодность для других конфигураций не подтверждена. Для запуска необходимы статистики нормализации и конфигурация робота, входящие в репозиторий.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LingBot-VLA 2.0 — ManiGuard datagen-v1 clutter (joint, 2-cam)

LingBot-VLA 2.0 post-trained on the ManiGuard clutter family, one of five base models evaluated on ManiGuard-Bench under identical data, cameras, and controller.

  • Warm start: robbyant/lingbot-vla-v2-6b — the pretrain release (not the RoboTwin post-trained variant).
  • Data: IDEAS-Lab-Northwestern/datagen-clutter-v1-joint-5cam (LeRobot v2.1, consumed directly — no format conversion).
  • Inputs: 2 cameras (camera_top = the left overview, camera_wrist_left = wrist), 8-D joint state (7 arm + gripper) mapped into the 55-D unified vector.
  • Actions: absolute joint targets (subtract_state: false on both features, per LingBot's own simulation recipe) — apply directly to a JointController, no delta step.
  • Recipe: upstream post-training config unchanged (MoE + depth/DINO distillation on); global batch 256 = micro 32 x 8 GPUs, lr 5e-5 cosine, 4 epochs (14,200 steps — the initial 2-epoch run resumed with the cosine stretched to the full horizon).
  • Ladder: checkpoints every 3,550 steps.

Files needed to serve

Everything a rollout needs is in this repo:

PathWhat it is
maniguard/norm_stats.jsonthis family's normalization statistics
maniguard/robot_config.yamlthe feature mapping the policy was trained with; its norm_stats: points at the file above
vlm/config.jsonthe Qwen/Qwen3-VL-4B-Instruct config (Apache-2.0), vendored unchanged — LingBot builds the VLM skeleton from it before loading these weights
tokenizer*.json, *preprocessor_config.json, merges.txt, vocab.json, added_tokens.json, special_tokens_map.json, chat_template.jinjathe processor / tokenizer, byte-identical to training

Serve it with ManiGuard's shim, which reads all of the above from the checkpoint directory and passes the norm statistics explicitly:

python maniguard/serve/lingbot_native.py \
    --checkpoint <this repo, downloaded> --qwen-config <dir holding vlm/config.json> \
    --device cuda:0 --port 8000

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
LingbotVlaV2Policy
Ревизия весов
8e4be05

0 моделей