/ Модель

Характеристики

Лицензия
MIT
Библиотека
prismatic
Опубликована
27 июл 2026

latent-ecot-coconut-libero90

Языковая модельИзображение, текст → action

Политика vision-language-action для управления роботом в задачах LIBERO-90, которая преобразует изображения и инструкции в пакеты действий с помощью скрытого рассуждения.

13скачиваний за 30 дней0лайковвеса обновлены27 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

Latent-ECoT (Coconut) — это политика vision-language-action для управления роботом, опубликованная RHYu2233. Модель основана на MiniVLA-1B: языковой компонент Qwen2.5-0.5B сочетается с визуальными компонентами DINOv2 и SigLIP с разрешением 224 пикселя, а действия кодируются пакетами через VQ-токенизатор.

Модель предназначена для выполнения задач LIBERO-90: она принимает изображение и текстовую инструкцию, выполняет рассуждение через 14 непрерывных скрытых векторов и предсказывает пакет действий на 10 шагов, закодированный в 7 кодов. README сообщает результат 89,1% (802 из 900 испытаний) на LIBERO-90 и около 0,32 секунды на решение. Для запуска требуется кодовая база latent-ecot и папка vq из репозитория.

Это дообученная модель с весами PyTorch, распространяемая по лицензии MIT. Заявленные результаты относятся к LIBERO-90; README не сообщает о проверке на других роботах или средах.

Сценарии применения

  • выполнение задач манипуляции объектами в симуляторе LIBERO-90
  • управление роботом по изображению с камеры и текстовой инструкции
  • предсказание последовательности действий робота на несколько шагов
  • исследование скрытого рассуждения в политиках vision-language-action

Ограничения

Заявленная оценка относится к LIBERO-90; переносимость на другие среды и роботов в README не описана. Для запуска требуется кодовая база latent-ecot и папка vq.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Latent-ECoT (Coconut) — MiniVLA-1B on LIBERO-90

Latent embodied chain-of-thought VLA policy: instead of generating ~250 tokens of text reasoning per decision (explicit ECoT, ~3 s), this policy reasons through 14 continuous latent "thought" vectors (Coconut-style hidden-state feedback) and decodes actions directly (~0.32 s/decision).

  • Base: MiniVLA-1B (Qwen2.5-0.5B + DINOv2/SigLIP 224px), VQ action chunking (10 steps -> 7 codes)
  • Trained 140k steps (batch 128) on LIBERO-90 with the Embodied-CoT reasoning annotations, via an 8-stage latentization curriculum (full-text ECoT -> all-latent)
  • LIBERO-90: 89.1% (802/900), vs. explicit ECoT 85.2--87.0% and the ECoT-Lite paper's no-CoT Standard-VLA baseline of 82.0% (arXiv:2505.08243, Table 1)

Usage

Requires the latent-ecot codebase. Place the vq/ folder from this repo at the working directory root (the action tokenizer resolves it relatively), then:

from prismatic.models import load_vla
vla = load_vla("<repo_dir>/checkpoints/step-140000-epoch-31-loss=0.4093.pt",
               hf_token="", load_for_training=False)   # auto-detects Coconut from config.json
action_chunk, info = vla.predict_action(
    image, instruction, unnorm_key="libero_lm_90",
    use_latent_cot=True, return_action_chunk=True, return_info=True)

Checkpoint is model-only (optimizer state stripped). See the GitHub repo for training/eval scripts, per-task results, and the supplementary write-up.

Citation

Please cite Coconut (arXiv:2412.06769), ECoT-Lite (arXiv:2505.08243), ECoT (arXiv:2407.08693), MiniVLA, and LIBERO alongside this artifact.

Как запустить

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

GPU в ailist

Универсальный рантайм · prismatic

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
3b495f0

0 моделей