/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Qwen2.5-VL-3B-Instruct
Опубликована
11 июл 2026

starvla_metaworld_qwenpiv3_baseline_finetune

Языковая модельИзображение, текст → action

Дообученный на MetaWorld MT50 чекпойнт StarVLA/QwenPI-v3 для управления действиями робота по визуальным наблюдениям.

5скачиваний за 30 дней0лайковвеса обновлены11 июл 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 дообученный чекпойнт StarVLA/QwenPI-v3 для управления роботизированными манипуляциями в бенчмарке MetaWorld MT50. Модель основана на Qwen/Qwen2.5-VL-3B-Instruct и предназначена для использования с кодовой базой StarVLA/QwenPI-v3.

Чекпойнт сохранён после 60 000 шагов обучения; для MetaWorld MT50 указана общая доля успешных выполнений 59,1%. Модель принимает визуальные наблюдения и выдаёт действия робота. Для денормализации действий необходим файл dataset_statistics.json, а для загрузки следует сохранить структуру файлов, ожидаемую конфигурацией. Лицензия — MIT.

Сценарии применения

  • управление манипулятором в задачах MetaWorld MT50
  • выполнение роботизированных задач манипуляции по визуальным наблюдениям
  • оценка стратегий управления роботом на бенчмарке MetaWorld

Ограничения

Показатель успеха 59,1% относится к бенчмарку MetaWorld MT50 и сам по себе не подтверждает качество в других средах. Для денормализации действий требуется dataset_statistics.json, а загрузка рассчитана на кодовую базу StarVLA/QwenPI-v3.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

StarVLA MetaWorld QwenPI-v3 LA Finetune

This repository contains the evaluated StarVLA/QwenPI-v3 checkpoint for MetaWorld MT50.

Checkpoint

  • Model: starvla_metaworld_qwenpiv3_baseline_finetune
  • Step: 60000
  • Benchmark: MetaWorld MT50
  • Reported overall success rate: 59.1%
  • Base VLM: Qwen/Qwen2.5-VL-3B-Instruct

Files

checkpoints/steps_60000_pytorch_model.pt
config.yaml
config.full.yaml
dataset_statistics.json

dataset_statistics.json is required for action denormalization. Keep the directory structure unchanged if your inference server expects the checkpoint directory layout used by the released config.

Usage Notes

This checkpoint is intended to be loaded with the StarVLA/QwenPI-v3 codebase. The public configs use Qwen/Qwen2.5-VL-3B-Instruct as the base VLM path.

For inference, load:

checkpoints/steps_60000_pytorch_model.pt

For continued training or evaluation on your own machine, update:

datasets:
  vla_data:
    data_root_dir: ./metaworld_starvla

to your local MetaWorld data path.

Citation

If you use this checkpoint, please cite the corresponding StarVLA and LA4VLA work and this model repository.

LA4VLA:

@misc{lin2026la4vlalearningactseeing,
      title={LA4VLA: Learning to Act without Seeing via Language-Action Pretraining}, 
      author={Tao Lin and Yuxin Du and Yiran Mao and Zewei Ye and Yilei Zhong and Bing Cheng and Yiming Wang and Jiting Liu and Yang Tian and Junchi Yan and Feiran Wu and Zenan Meng and Hu Wei and Yuqian Fu and Gen Li and Bo Zhao},
      year={2026},
      eprint={2606.27295},
      archivePrefix={arXiv},
      primaryClass={cs.RO},
      url={https://arxiv.org/abs/2606.27295}, 
}

StarVLA:

@article{community2026starvla,
  title={StarVLA: A Lego-like Codebase for Vision-Language-Action Model Developing},
  author={Community, StarVLA},
  journal={arXiv preprint arXiv:2604.05014},
  year={2026},
  eprint={2604.05014},
  archivePrefix={arXiv},
  primaryClass={cs.RO}
}

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
7eb8070

0 моделей