/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Базовая модель
InternVLA-A1-3B
Опубликована
23 янв 2026

InternVLA-A1-3B-RoboTwin

Языковая модельИзображение, текст → action3 профессии

Дообученная на RoboTwin 2.0 модель InternVLA-A1-3B для управления роботизированными манипуляциями в симуляции.

44скачиваний за 30 дней15лайковвеса обновлены27 фев 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

InternVLA-A1-3B-RoboTwin — модель для управления роботизированными манипуляциями, разработанная командой InternRobotics на основе InternVLA-A1. Она дообучена на бенчмарке RoboTwin 2.0 и предназначена для выполнения задач манипуляции в симуляции, включая статические и динамические сценарии. Модель использует архитектуру Mixture-of-Transformers, объединяющую семантическое понимание мультимодальной языковой модели с предсказанием динамики мира; базовая InternVLA-A1 построена на InternVL3 и Qwen3-VL и имеет 3 млрд параметров.

В оценке RoboTwin 2.0 базовая модель InternVLA-A1-3B показала среднюю успешность 89,40% в простом и 89,64% в сложном режиме по 50 задачам; эти результаты не следует считать отдельной оценкой данного дообученного чекпойнта. Репозиторий содержит веса safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях распространения производных работ, но запрещает коммерческое применение.

Сценарии применения

  • управление роботизированным манипулятором в задачах RoboTwin 2.0
  • выполнение статических задач захвата и перемещения объектов
  • выполнение динамических манипуляций в симуляции
  • исследование мультимодальных моделей для робототехники

Ограничения

Описанные показатели RoboTwin 2.0 относятся к InternVLA-A1-3B и не подтверждают качество этого отдельного дообученного чекпойнта. Лицензия запрещает коммерческое использование.

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

InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation

Paper Code Data Website

InternVLA-A1 integrates understanding, generation, and action experts via a Mixture-of-Transformers (MoT) framework, which synergizes MLLMs' semantic reasoning with world-model-style dynamics prediction to guide action execution.

Building upon InternVL3 and Qwen3-VL, we instantiate InternVLA-A1 at 2B and 3B parameter scales. Covering different model scales and pre-training data configurations, we release the InternVLA-A1 series:

Evaluation on RoboTwin 2.0 Simulation Benchmark

Setting: All models are jointly fine-tuned across 50 tasks (50 clean + 500 randomized demos each).

Performance Summary: InternVLA-A1-3B achieves the highest success rates across both Easy and Hard settings on the RoboTwin 2.0 Benchmark (averaged over 50 tasks).

Metricpi0pi0.5InternVLA-A1-3B
Avg. Success (Easy)79.98%86.76%89.40%
Avg. Success (Hard)79.50%86.96%89.64%

🔑 Key Features

  • 🔮 The Core: Synergizes MLLM's semantic understanding with world-model-style dynamic prediction, enabling it to "imagine" the future and guide adaptive actions.
  • 🚀 The Fuel: Enables joint training on heterogeneous data sources over real-world robot data, synthetic simulation data, and egocentric human videos.
  • ⚡ The Output: Tackles highly dynamic scenarios with effortless mastery.

Usage

Please refer to our official repo InternVLA-A1.

Demonstrations

InternVLA-A1 exhibits consistent robustness across static manipulation, dynamic manipulation, and simulation benchmarks, especially demonstrating remarkable superiority in dynamic scenarios.

⚡ Dynamic Manipulation Tasks

🤖 Static Manipulation Tasks

License and Citation

All the code within this repo are under CC BY-NC-SA 4.0. Please consider citing our project if it helps your research.

@article{internvla_a1,
  title={InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation},
  author={Cai, Junhao and Cai, Zetao and Cao, Jiafei and Chen, Yilun and He, Zeyu and Jiang, Lei and Li, Hang and Li, Hengjie and Li, Yang and Liu, Yufei and others},
  journal={arXiv preprint arXiv:2601.02456},
  year={2026}
}

Acknowledgments

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.

Ревизия весов
ecfef92

0 моделей