/ 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
30 июл 2026

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

Языковая модельИзображение, текст → action

Дообученная LingBot-VLA 2.0 для управления роботом в задачах stack ManiGuard по изображениям с двух камер и состоянию суставов.

10скачиваний за 30 дней0лайковвеса обновлены31 июл 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 stack — joint, 2-cam — это дообученная модель управления роботом, разработанная на базе robbyant/lingbot-vla-v2-6b. Она предназначена для выполнения задач семейства stack в симуляции ManiGuard: принимает изображения с двух камер и состояние робота, а затем выдаёт абсолютные целевые значения суставов для контроллера JointController. Модель использует архитектуру LingbotVlaV2Policy; для визуально-языковой части в репозитории приведена конфигурация Qwen3-VL-4B-Instruct. Обучение проводилось на наборе IDEAS-Lab-Northwestern/datagen-stack-v1-joint-5cam с настройкой двух камер и 8-мерным состоянием суставов, преобразуемым в 55-мерный вектор. Для обслуживания нужны нормировочная статистика и конфигурация робота из репозитория. Лицензия — Apache-2.0.

Выход содержит абсолютные целевые положения суставов, поэтому их следует передавать контроллеру напрямую, без шага преобразования в приращения. Модель специализирована на конфигурации ManiGuard stack и описанной двухкамерной схеме; README не подтверждает поддержку других роботов, сред или задач. README также сообщает, что обучение использовало MoE и дистилляцию глубины/DINO.

Сценарии применения

  • выполнение задач укладки объектов в симуляции ManiGuard
  • управление суставами робота по обзору сверху и изображению с камеры на запястье
  • генерация абсолютных целевых положений суставов для JointController

Ограничения

Модель обучена для семейства задач stack в ManiGuard с конкретной двухкамерной конфигурацией и выдаёт абсолютные целевые значения суставов; перенос на другие задачи, роботов и среды не описан. Для обслуживания требуются соответствующие нормировочная статистика и конфигурация робота.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

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

LingBot-VLA 2.0 post-trained on the ManiGuard stack 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-stack-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 (41,500 steps — the initial 2-epoch run resumed with the cosine stretched to the full horizon).
  • Ladder: checkpoints every 10,375 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
bdff21b

0 моделей