Характеристики

Лицензия: Своя лицензия
Опубликована: 29 июн 2026

Ссылки

Hugging Face arXiv 2606.17046

3da-libero-gam

SeonghuJeon

Языковая модельИзображение, текст → action

Набор чекпойнтов GAM для выполнения и оценки задач роботизированного манипулирования в наборах LIBERO и LIBERO-Plus.

0скачиваний за 30 дней0лайковвеса обновлены1 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

SeonghuJeon/3da-libero-gam содержит контрольные точки GAM (Geometric Action Model) для оценки выполнения задач роботизированного манипулирования в наборах LIBERO и LIBERO-Plus. В репозитории есть отдельные чекпойнты для сценариев spatial, object и goal, а также предварительно обученный чекпойнт на основе DA3 shallow12 RoboCasa25 H8 с шагом обучения 235 000.

Модель предназначена для оценки и выполнения роботизированных задач в соответствующих сценариях LIBERO. Конфигурации используют базовый чекпойнт DA3-Giant и обучающие данные LIBERO, которые предоставляются отдельно. Веса сохранены в формате PyTorch. Лицензия указана как other; конкретные условия в доступных сведениях не раскрыты.

Сценарии применения

оценка робота на пространственных задачах LIBERO
манипулирование объектами в сценариях LIBERO
выполнение целевых задач LIBERO
оценка роботизированных задач LIBERO-Plus
использование предварительно обученного чекпойнта GAM для RoboCasa

Ограничения

Для работы требуются отдельные базовый чекпойнт DA3-Giant и обучающие ресурсы LIBERO. Условия лицензии, обозначенной как other, в предоставленных сведениях не уточнены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GAM LIBERO Checkpoints

This repository contains released GAM (Geometric Action Model) checkpoints for LIBERO and LIBERO-Plus evaluation.

Suite key	LIBERO suite	Checkpoint	Config
`spatial`	`libero_spatial`	`spatial/gam.pt`	`spatial/config.yaml`
`object`	`libero_object`	`object/gam.pt`	`object/config.yaml`
`goal`	`libero_goal`	`goal/gam.pt`	`goal/config.yaml`
`long`	`libero_10`	`long/gam.pt`	`long/config.yaml`

Pretrained GAM Checkpoint

Name	Checkpoint	Source
`pretrained-gam`	`pretrained/pretrained-gam.pt`	`SeonghuJeon/da3-shallow12-robocasa25-h8-step235000` (`0235000.pt`, step 235k)

This checkpoint is provided under the simple pretrained-gam name for convenience. It corresponds to the DA3 shallow12 RoboCasa25 H8 checkpoint at step 235000.

The configs are portable: stage_1.ckpt_path, dataset.hdf5_root, and dataset.stats_dir resolve under ${DA3_ROOT} by default. Download SeonghuJeon/3da-libero-training-assets into the repository root to provide the DA3-Giant base checkpoint and LIBERO training assets.

Project page: https://cvlab-kaist.github.io/Geometric-Action-Model/ Paper: https://arxiv.org/abs/2606.17046 Code: https://github.com/JeonSeongHu/gam_test/tree/public/libero-da3giant

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: 72ca5c6