/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Базовая модель
InternVLA-A1.5-base
Опубликована
4 июл 2026

InternVLA-A1.5-Libero

Языковая модельИзображение, текст → action3 профессии

Политика InternRobotics для управления манипуляционным роботом по изображениям и текстовым инструкциям, настроенная и оцениваемая на LIBERO.

222скачиваний за 30 дней8лайковвеса обновлены3 авг 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-A1.5-Libero — политика управления роботом типа vision-language-action, разработанная InternRobotics и дообученная для бенчмарка LIBERO. Она объединяет визуально-языковое понимание, прогнозирование будущей динамики и генерацию действий для манипуляционных задач; авторы также оценивают её устойчивость без дополнительной адаптации на LIBERO-Plus.

Модель основана на мультимодальном Qwen3.5-2B и использует лёгкий эксперт действий, связанный с языково-визуальной основой общими слоями внимания. На вход подаются изображения и текстовые инструкции, на выходе модель предсказывает непрерывные последовательности действий размерностью до 32; во время вывода видеоветвь не используется. Для изображений указано разрешение 224 × 224. Контрольные результаты приведены для наборов LIBERO Spatial, Object, Goal и Long.

Модель предназначена для оценки и применения в сценариях роботизированной манипуляции, связанных с LIBERO; результаты LIBERO-Plus показывают устойчивость к изменениям камеры, робота, языка, освещения, фона, шума и компоновки. Показатели бенчмарка не гарантируют качество на других роботах или в реальном мире. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и на условиях распространения производных материалов, но запрещает коммерческое использование.

Сценарии применения

  • управление манипулятором в задачах LIBERO
  • выполнение последовательности действий по текстовой инструкции и изображению
  • оценка обобщения роботизированной политики на задачах LIBERO
  • проверка устойчивости политики к изменениям камеры, освещения и компоновки

Ограничения

Модель специализирована под задачи LIBERO, поэтому результаты бенчмарка не подтверждают качество на иных роботах и в реальной среде. Лицензия CC BY-NC-SA 4.0 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-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional Generalization

Paper Code Models Models Data Website

InternVLA-A1.5 unifies vision-language understanding, latent visual foresight, and action generation in one robot policy. It builds on a native Qwen3.5-2B VLM backbone, preserves semantic learning through VQA and subtask prediction, and attaches a lightweight unified action expert for continuous control.

This repository hosts InternVLA-A1.5-Libero, the checkpoint fine-tuned from InternVLA-A1.5-base on LIBERO. It is intended for LIBERO evaluation and zero-shot robustness evaluation on LIBERO-Plus, where the same LIBERO-tuned checkpoint is evaluated directly under camera, language, layout, lighting, background, noise, and robot perturbations.

Covering base and benchmark-specific checkpoints, we release the InternVLA-A1.5 series:

🔑 Key Features

  • 🔮 The Core: Attaches a lightweight unified action expert to a native Qwen3.5-2B VLM backbone through shared full-attention layers, while preserving modality-specific Gated DeltaNet processing.
  • 🚀 The Foresight: Uses learnable foresight tokens to query task-relevant future dynamics from the shared multimodal context, supervised by a frozen WAN2.2-5B video generation model during training.
  • ⚡ The Output: Discards the video branch at inference and predicts continuous action chunks through flow matching, keeping deployment latency practical.

Model Details

  • Model type: Vision-Language-Action robot policy
  • Base checkpoint: InternRobotics/InternVLA-A1.5-base
  • Backbone: Qwen/Qwen3.5-2B
  • Policy type: internvla_a1_5
  • Fine-tuning target: LIBERO Spatial, Object, Goal, and Long suites
  • Evaluation scope: LIBERO and LIBERO-Plus zero-shot
  • Action head: unified action expert with flow-matching action generation
  • State/action dimension: up to 32
  • Image resolution: 224 x 224
  • License: CC BY-NC-SA 4.0

Usage

Please refer to our official repo InternVLA-A-series for installation, training, fine-tuning, and evaluation.

For LIBERO evaluation:

git clone https://github.com/InternRobotics/InternVLA-A-series.git
cd InternVLA-A-series
export CKPT_PATH=InternRobotics/InternVLA-A1.5-Libero
export LIBERO_HOME=<LIBERO_REPO_ROOT>
export STATS_KEY_MODE=suite
export ROBOT_TYPE_MODE=panda
bash evaluation/LIBERO/run_eval_libero_server_client.sh

For LIBERO-Plus zero-shot evaluation:

export CKPT_PATH=InternRobotics/InternVLA-A1.5-Libero
export LIBERO_HOME=<LIBERO_PLUS_REPO_ROOT>
export STATS_KEY_MODE=suite
export ROBOT_TYPE_MODE=panda
SHARDS_PER_SUITE=8 bash evaluation/LIBERO-plus/run_eval_libero_plus.sh

For benchmark workflows, please see:

Demonstrations

InternVLA-A1.5-Libero corresponds to the LIBERO benchmark result and the LIBERO-Plus zero-shot robustness result.

LIBERO SpatialLIBERO ObjectLIBERO GoalLIBERO LongLIBERO Avg.
98.699.898.698.498.9
LIBERO-Plus CameraRobotLanguageLightBackgroundNoiseLayoutTotal
83.155.186.996.498.295.685.284.8

License and Citation

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

@article{internvla_a15,
  title={InternVLA-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional Generalization},
  author={Ma, Haoxiang and Cai, Junhao and Xu, Xiaoxu and Li, Hao and Yang, Yuyin and Tian, Yang and Cao, Jiafei and Zhu, Hongrui and Qiu, Zherui and Zhaxizhuoma and Yang, Yuqiang and Peng, Jiaqi and Wei, Xueyuan and Zhu, Yangkun and Jiang, Jiahao and Gao, Xing and Wang, Hanqing and Yuan, Feng Ext, Kailin and Zhu, Xueyue and Wang, Tai and Ding, Yan and Pang, Jiangmiao and Zeng, Jia and Zhang, Jingjing and Bowen, Zhou and Mu, Yao and Shen, Chunhua and Zhang, Weinan},
  journal={arXiv preprint arXiv:2607.04988},
  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
1057b2e

0 моделей