/ Модель

Характеристики

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

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

Языковая модельИзображение, текст → action3 профессии

Дообученная SmolVLA для управления Franka Panda при укладке объектов по изображениям с двух камер и состоянию суставов.

27скачиваний 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

Это модель управления роботом IDEAS-Lab-Northwestern, созданная дообучением LeRobot SmolVLA для задачи укладки объектов в симуляции с роботом Franka Panda. Она принимает изображения с двух камер, состояние суставов и языковую инструкцию, а выдаёт последовательности непрерывных целевых значений суставов. Модель основана на визуально-языковом кодировщике SmolVLM2 и эксперте действий с flow matching; визуальный кодировщик заморожен, дообучался эксперт действий.

Входное и выходное состояние охватывают 7 суставов руки и захват, дополненные до 32 измерений; действия выдаются блоками по 50 шагов. Чекпойнт обучен на данных ManiGuard для задачи stack и предназначен для оценки управления в среде Franka Panda. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • управление Franka Panda при укладке объектов в симуляции
  • предсказание целевых положений суставов робота по изображениям
  • оценка VLA-моделей на задаче stack в бенчмарке ManiGuard

Ограничения

Модель специализирована на задаче stack для симуляции Franka Panda с определённой конфигурацией двух камер и управлением суставами; перенос на другие роботы и задачи не описан.

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 - Stack (joint, 2-cam)

HuggingFace LeRobot SmolVLA fine-tuned on the ManiGuard stack 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-stack-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
3699c0f

0 моделей