/ Модель

Характеристики

Базовая модель
smolvla_base
Библиотека
lerobot
Опубликована
2 авг 2026

smolvla_black_cube_fullft

Языковая модельИзображение, текст → action3 профессии

Дообученная SmolVLA для управления SO-100 при захвате чёрного куба по изображению, состоянию робота и необязательной языковой инструкции.

23скачиваний за 30 дней0лайковвеса обновлены2 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

Mehul2112/smolvla_black_cube_fullft — полное дообучение модели lerobot/smolvla_base для управления роботом SO-100 при манипуляции чёрным кубом. Обучение выполнено на наборе Mehul2112/so100_black_cube_merged из 130 эпизодов с одной фронтальной камерой; разморожены визуальный энкодер, языковая модель и эксперт действий. Чекпойнт соответствует шагу 14 000 и содержит примерно 403 млн обучаемых параметров из 450 млн.

Модель принимает изображение с камеры, состояние робота и, согласно назначению базовой SmolVLA, необязательную языковую инструкцию, а выдаёт непрерывные управляющие действия. Она предназначена для сценария захвата чёрного куба на платформе SO-100; README рекомендует для лучшего обобщения чекпойнт шага 2 000, поскольку у данного чекпойнта шаг 14 000 переобучен на небольшом наборе данных. Модель доступна в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • управление роботом SO-100 при захвате чёрного куба
  • выполнение манипуляционных действий по изображению с фронтальной камеры
  • исследование влияния полного дообучения SmolVLA на задаче роботизированного захвата

Ограничения

Чекпойнт шага 14 000 заметно переобучен на малом наборе данных: оценочная ошибка достигла минимума на шаге 2 000 и затем росла. Результат обучен для ограниченного сценария SO-100 с одной фронтальной камерой; рекомендуется проверить поведение на целевом роботе.

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

SmolVLA — so100_black_cube (full fine-tune)

Full fine-tune of lerobot/smolvla_base on Mehul2112/so100_black_cube_merged (SO-100, single front camera, 130 episodes).

Recipe

  • Mode: full fine-tune — VLM backbone unfrozen (train_expert_only=false, freeze_vision_encoder=false).
  • Learnable params: ~403M of ~450M (vision encoder + language model + action expert).
  • Batch size: 32 · AMP: bf16 · Optimizer LR: ~1e-4 with decay.
  • Hardware: single RTX 4090 (24 GB).

Checkpoint

This repo holds the step-14000 checkpoint.

StepTrain lossEval loss (15% held-out)
20000.1860.314 ← eval minimum
40000.1370.376
60000.1050.414
80000.0850.476
100000.0690.565
120000.0550.643
140000.0480.723
160000.0470.759
18000~0.0470.784
20000~0.0470.787

Note: Eval loss reached its minimum at step 2000 and rose monotonically afterward (overfitting on a small 110-episode training split). This step-14000 checkpoint has a very low training loss (0.048) but is well past the generalization optimum. For best real-robot generalization, the step-2000 checkpoint is preferable.

Usage

from lerobot.policies.smolvla.modeling_smolvla import SmolVLAPolicy
policy = SmolVLAPolicy.from_pretrained("Mehul2112/smolvla_black_cube_fullft")

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
900f873

0 моделей