/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
15,1 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Базовая модель
openvla-7b-prismatic
Библиотека
transformers
Опубликована
7 апр 2025

openfly-agent-7b

Изображение и текст → текст3 профессии

OpenFly — дообученная на воздушной навигации визуально-языковая модель, которая преобразует изображения и английские инструкции в действия беспилотника.

296скачиваний за 30 дней4лайкавеса обновлены29 авг 2025

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

OpenFly — модель для воздушной визуально-языковой навигации, разработанная командой OpenFly с участием исследователей Shanghai AI Laboratory. Она принимает изображения и инструкции на естественном языке и предсказывает действия беспилотного летательного аппарата для выполнения навигационных задач. Модель основана на OpenVLA-7B-Prismatic и дообучена на наборе данных OpenFly; архитектура OpenVLA относится к плотным моделям, веса опубликованы в формате safetensors.

Модель предназначена для сценариев, где дрон должен интерпретировать визуальную обстановку и следовать языковым указаниям. Для загрузки и инференса используется Transformers версии 4.47.0 или новее. README указывает английский язык и лицензию MIT. Карточка описывает модель как часть инструментария и бенчмарка aerial VLN; отдельные сведения о размере параметров и длине контекста не приводятся.

Сценарии применения

  • навигация дрона по текстовым инструкциям
  • выбор действий дрона по изображению с камеры
  • следование английским указаниям в воздушной среде

Ограничения

Модель описана для воздушной навигации; перенос на другие типы роботов или сред не подтверждён. Для инференса требуется Transformers версии 4.47.0 или новее.

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

OpenFly

OpenFly, a platform comprising a versatile toolchain and large-scale benchmark for aerial VLN. The code is purely huggingFace-based and concise, with efficient performance.

For full details, please read our paper and see our project page.

Model Details

Model Description

Uses

OpenFly relies solely on HuggingFace Transformers 🤗, making deployment extremely easy. If your environment supports transformers >= 4.47.0, you can directly use the following code to load the model and perform inference.

Direct Use


from typing import Dict, List, Optional, Union
from pathlib import Path
import numpy as np
import torch
from PIL import Image
from transformers import LlamaTokenizerFast
from transformers import AutoConfig, AutoImageProcessor, AutoModelForVision2Seq, AutoProcessor
import os, json
from model.prismatic import PrismaticVLM
from model.overwatch import initialize_overwatch
from model.action_tokenizer import ActionTokenizer
from model.vision_backbone import DinoSigLIPViTBackbone, DinoSigLIPImageTransform
from model.llm_backbone import LLaMa2LLMBackbone
from extern.hf.configuration_prismatic import OpenFlyConfig
from extern.hf.modeling_prismatic import OpenVLAForActionPrediction
from extern.hf.processing_prismatic import PrismaticImageProcessor, PrismaticProcessor

AutoConfig.register("openvla", OpenFlyConfig)
AutoImageProcessor.register(OpenFlyConfig, PrismaticImageProcessor)
AutoProcessor.register(OpenFlyConfig, PrismaticProcessor)
AutoModelForVision2Seq.register(OpenFlyConfig, OpenVLAForActionPrediction)

model_name_or_path="IPEC-COMMUNITY/openfly-agent-7b"
processor = AutoProcessor.from_pretrained(model_name_or_path)
model = AutoModelForVision2Seq.from_pretrained(
    model_name_or_path, 
    attn_implementation="flash_attention_2",  # [Optional] Requires `flash_attn`
    torch_dtype=torch.bfloat16, 
    low_cpu_mem_usage=True, 
    trust_remote_code=True,
).to("cuda:0")

image = Image.fromarray(cv2.imread("example.png"))
prompt = "Take off, go straight pass the river"
inputs = processor(prompt, [image, image, image]).to("cuda:0", dtype=torch.bfloat16)
action = model.predict_action(**inputs, unnorm_key="vln_norm", do_sample=False)
print(action)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура openvla неизвестна transformers в образе рантайма.

Класс архитектуры
OpenVLAForActionPrediction
Ревизия весов
21dcce2

0 моделей