/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
smolvla_base
Библиотека
lerobot
Опубликована
23 июл 2026

smolvla-base-datagen-v1-cabinet-joint-2cam

Языковая модельИзображение, текст → action

Дообученная SmolVLA управляет Franka Panda при выполнении задачи открытия шкафа по изображениям с двух камер, состоянию суставов и языковой инструкции.

29скачиваний 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

SmolVLA Cabinet (joint, 2-cam) — модель управления роботом, созданная IDEAS-Lab-Northwestern дообучением lerobot/smolvla_base на задаче ManiGuard cabinet для Franka Panda в симуляции. Она принимает изображения с обзорной и кистевой камер, состояние суставов робота и инструкцию на естественном языке, а затем предсказывает последовательность из 50 управляющих действий. Модель использует визуально-языковую основу SmolVLM2 и эксперт действий на основе flow matching; визуальный энкодер заморожен, обучался эксперт действий без LoRA.

Модель рассчитана на манипуляции с дверцей шкафа: она работает с 8-мерными состояниями и действиями Franka Panda — семью суставами руки и захватом; целевые значения суставов передаются контроллеру напрямую. Чекпойнт загружается через LeRobot и содержит статистики нормализации. Репозиторий распространяется под лицензией Apache-2.0.

Сценарии применения

  • открытие дверцы шкафа роботом Franka Panda в симуляции
  • управление манипулятором по изображениям с обзорной и кистевой камер
  • преобразование языковой инструкции и состояния суставов в последовательность движений
  • оценка VLA-моделей на задаче ManiGuard cabinet

Ограничения

Модель настроена на Franka Panda, задачу шкафа и конкретную конфигурацию двух камер; для других роботов и сцен требуется отдельная проверка или адаптация. Описанный сценарий — симуляция, поэтому перенос на физического робота не гарантирован.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SmolVLA - Cabinet (joint, 2-cam)

HuggingFace LeRobot SmolVLA fine-tuned on the ManiGuard cabinet base task (sim Franka Panda). Part of the ManiGuard VLA benchmark - SmolVLA vs pi0.5 vs GR00T on the same task families with identical data, cameras, and controller.

Model

  • Base: lerobot/smolvla_base - SmolVLM2 vision-language backbone + flow-matching action expert
  • Embodiment: Franka Panda, 8-D joint state/action (7 arm joints + 1 gripper), padded to SmolVLA's 32-D
  • Cameras (2): observation.images.top (overview = left view) + observation.images.wrist (256x256)
  • Action: absolute joint targets (fed straight to a JointController at eval); 50-step chunk
  • Tuning: SmolVLA default - vision encoder frozen, train the action expert (no LoRA)

Training

Usage

Load with SmolVLAPolicy.from_pretrained("IDEAS-Lab-Northwestern/smolvla-base-datagen-v1-cabinet-joint-2cam-yanZ") from LeRobot. The checkpoint carries the normalization stats.

WARNING - Convention (must match at eval): joint-space JointController (absolute joint targets) + 2 cameras (observation.images.top = the left overview, observation.images.wrist). A mismatched controller, camera set, or overview view silently feeds an out-of-distribution input.

Paper & Citation

Part of ManiGuard: paper (arXiv:2608.17386) · code · docs

@misc{peng2026maniguard,
  title         = {{MANIGUARD}: A Benchmark and Data Suite for Specification-Grounded
                   Safety Evaluation and Improvement of Robotic Manipulation},
  author        = {Peng, Yiyan and Wang, Philip and Zhan, Simon Sinong and Lyu, Yiqi
                   and Ni, Zhenyang and Yan, Jixin and Wong, Fiorelli and Jiao, Ruochen
                   and Yin, Hang and Cao, Xinyu and Shao, Huajie and Li, Manling
                   and Zhang, Ruohan and Zhu, Qi},
  year          = {2026},
  eprint        = {2608.17386},
  archivePrefix = {arXiv},
  primaryClass  = {cs.RO},
  url           = {https://arxiv.org/abs/2608.17386},
}

License

The base model lerobot/smolvla_base is released under the Apache License, Version 2.0. ManiGuard's fine-tuning contributions are also released under Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
6a76309

0 моделей