Языковая модельИзображение, текст → action3 профессии
InternVLA-M1 — дообученная мультимодальная VLA-модель для разработки универсальных роботизированных политик по визуальным наблюдениям и языковым инструкциям.
514скачиваний за 30 дней28лайковвеса обновлены15 окт 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
InternVLA-M1 — открытый end-to-end фреймворк vision-language-action для разработки и исследования универсальных роботизированных политик. Чекпойнты в репозитории предварительно обучены на наборе данных system2.
Модель основана на Qwen2.5-VL-3B-Instruct и дообучена для задач робототехники. Это плотная модель с архитектурой Qwen2_5_VLForConditionalGeneration, содержащая 3,1 млрд параметров и поддерживающая контекст до 128 000 токенов. Она принимает изображения и текстовые инструкции и предназначена для формирования действий робота в рамках VLA-сценариев.
Репозиторий содержит веса Safetensors; для работы используется Transformers. Лицензия CC-BY-NC-SA-4.0 требует указания авторства и распространяет производные работы на тех же условиях, при этом коммерческое использование не разрешено. Карточка представляет модель как открытую основу для разработки и исследований роботизированных политик.
Сценарии применения
управление роботом по визуальному наблюдению и текстовой инструкции
разработка универсальной роботизированной политики
исследование моделей vision-language-action
обучение и прототипирование роботизированных сценариев
Ограничения
Карточка не приводит оценок качества или подробностей о поддерживаемых роботах и наборах действий. Лицензия CC-BY-NC-SA-4.0 запрещает коммерческое использование.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
InternVLA-M1 is an open-source, end-to-end vision–language–action (VLA) framework for building and researching generalist robot policies. The checkpoints in this repository were pretrained on the system2 dataset.
