/ Модель

Характеристики

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

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

Языковая модельИзображение, текст → action3 профессии

Дообученная SmolVLA для управления Franka Panda при выполнении задачи манипуляции крышкой по изображениям с двух камер и состоянию суставов.

41скачиваний 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 Lid — модель управления роботом, разработанная IDEAS-Lab-Northwestern на основе lerobot/smolvla_base и дообученная для задачи ManiGuard lid в симуляции с роботом Franka Panda. Она принимает изображения с двух камер и состояние суставов; архитектура использует визуально-языковой backbone SmolVLM2 и эксперт действий на основе flow matching. Модель выдаёт последовательности из 50 целевых значений суставов для 7 суставов руки и захвата; состояние и действия размерности 8 дополняются до 32 измерений для формата SmolVLA.

Модель предназначена для манипуляции крышкой в заданной симуляционной среде. При обучении использовались данные IDEAS-Lab-Northwestern/datagen-lid-v1-joint-5cam, преобразованные в двухкамерный формат; визуальный энкодер был заморожен, обучался эксперт действий без LoRA. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • управление Franka Panda в симуляции при манипуляции крышкой
  • предсказание последовательности целевых значений суставов по изображениям с камер
  • сравнение VLA-моделей на задачах бенчмарка ManiGuard

Ограничения

Модель специализирована на задаче ManiGuard lid, роботе Franka Panda и указанном двухкамерном входе; перенос на другие роботы или задачи не подтверждён. Оценки качества и результаты бенчмарка в карточке не приведены.

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

SmolVLA - Lid (joint, 2-cam)

HuggingFace LeRobot SmolVLA fine-tuned on the ManiGuard lid 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-lid-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
26bf2a1

0 моделей