PhoenixHu/grpo_stable_reasoning_nolow_0711 — набор контрольных точек обучения с подкреплением для модели VLA в стиле SimLingo, предназначенной для автономного вождения в симуляторе CARLA. В основе лежит InternVL2-1B с непрерывной головой управления скоростью и путевыми точками. В репозитории представлены состояния обучения на шагах 100, 200 и 300 в формате PyTorch; для восстановления модели и оценки требуется конфигурация обучения Hydra.

Модель предназначена для исследований и экспериментов с принятием решений и управлением автомобилем по визуальным наблюдениям. Карточка не описывает конкретные метрики качества или языковые возможности. Лицензия в доступных данных не указана.