/ Модель

Характеристики

Библиотека
pytorch
Опубликована
3 сен 2026

LAGEN-models

Языковая модельИзображение, текст → action

Коллекция MLL-Lab с inference-чекпойнтами и конфигурациями для исследований и оценки моделей в робототехнике.

0скачиваний за 30 дней0лайковвеса обновлены11 окт 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

MLL-Lab/LAGEN-models — коллекция контрольных точек для исследования и оценки робототехнических моделей. Репозиторий содержит inference-чекпойнты, исходные конфигурации и сведения об их происхождении; в карточке упомянуты эксперименты по калибровке Sim2Real, визуальной истории и задержке в prompt, а также игровые и повторно использованные MIKASA-чекпойнты.

Ресурсы предназначены для воспроизведения и анализа экспериментов в робототехнике. README сообщает, что опубликованные наборы сохраняют выбранные оценочные чекпойнты либо последние доступные, а состояния оптимизатора и тренера не входят в релиз. Формат весов — Safetensors, библиотека — PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • оценка робототехнических моделей на опубликованных чекпойнтах
  • воспроизведение экспериментов по калибровке Sim2Real
  • анализ влияния визуальной истории на управление роботом
  • исследование деградации задержки при выводе модели
  • сопоставление игровых и MIKASA-чекпойнтов

Ограничения

Репозиторий представляет коллекцию чекпойнтов, а сведения о возможностях моделей во время выполнения и некоторые исторические привязки источников остаются неподтверждёнными. Оптимизатор и состояние тренера не входят в опубликованные наборы.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LAGEN models

Project resources: LAGEN collection.

Inference checkpoints, original configurations and model provenance.

ExperimentEntry
Sim2Real calibration30-case held-out calibration
Visual historyVisual history
Latency in promptLatency in prompt
Latency transferLatency transfer
Task transferTask transfer
VLA fine-tuning scopeVLA fine-tuning scope
Mean vs. profile trainingMean vs. profile training
Observation strideObservation stride
Context windowContext window
ResourceRepository
benchmark-datasetsMLL-Lab/LAGEN-datasets
profilesMLL-Lab/LAGEN-profiles

Benchmark release inventory

Artifact retention

HAIC and Extreme Parkour releases are retired. Model bundles retain the published evaluation checkpoint, or the latest checkpoint when no evaluation selection exists. Optimizer and trainer recovery state are not release assets. Identical dataset copies use the canonical task paths. Original configurations and experiment evidence remain source records.

Figure 2 latency-degradation sources

Checkpoint source bindings identify the six original game checkpoints and the six reused MIKASA checkpoints. All six game checkpoints are published with their original SHA256 and size. The report records the missing Flappy GR00T step 3000 and two unconfirmed OpenVLA bindings.

Source consolidation

Verified source index records the former Standard-Pipeline, HumanoidBench, MIKASA and Figure 2 sources. The 65 selected Standard-Pipeline inference bundles reuse existing canonical model paths. All six confirmed Figure 2 game checkpoints are published with their original SHA256 and size. Available original configs and statistics remain with their canonical bundles. Unverified runtime capability and missing historical bindings remain explicit.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
b17aad0

0 моделей