/ Модель

Характеристики

Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
starVLA
Опубликована
30 дек 2025

Qwen3-VL-OFT-LIBERO-4in1

Языковая модельИзображение, текст → action3 профессии

Дообученная StarVLA модель Qwen3-VL для предсказания последовательностей действий робота в задачах LIBERO по визуальным наблюдениям и инструкциям.

218скачиваний за 30 дней0лайковвеса обновлены4 сен 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

StarVLA Qwen3-VL OFT LIBERO 4-in-1 — контрольная точка QwenOFT, разработанная StarVLA на базе Qwen/Qwen3-VL-4B-Instruct и дообученная на объединённой смеси LIBERO 10, Goal, Object и Spatial. Модель принимает визуальные наблюдения и инструкцию в последовательности VLM, а голова из двух остаточных MLP-блоков регрессирует непрерывный фрагмент действий по токенам действий; числовой вектор состояния в этой версии напрямую в голову не подаётся.

Модель предназначена для управления роботом в задачах симулятора LIBERO. В карточке приведены результаты оценки на четырёх наборах LIBERO для промежуточных шагов обучения; опубликован только чекпойнт шага 50 000, а исходные логи эпизодов отсутствуют, поэтому результаты нельзя независимо восстановить по репозиторию. Для оценки важны согласованные статистики датасета, нормализация, порядок камер, формат действий и горизонт исполнения. Проверка на реальном роботе и перенос на другие конфигурации роботов не описаны. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • управление роботом в симуляции LIBERO
  • выполнение задач перемещения объектов по текстовой инструкции
  • выполнение пространственных задач манипуляции
  • оценка политики управления на наборах LIBERO Object, Goal, Spatial и LIBERO 10

Ограничения

Результаты относятся только к симуляции LIBERO; проверка на реальном роботе и перенос на другие конфигурации роботов не описаны. Для воспроизводимой оценки требуются согласованные статистики датасета и параметры нормализации, порядка камер и исполнения действий; исходные логи приведённых оценок отсутствуют.

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

Qwen3-VL OFT for LIBERO 4-in-1

This repository contains a StarVLA QwenOFT checkpoint initialized from Qwen3-VL-4B-Instruct and trained on the combined LIBERO libero_10 + libero_goal + libero_object + libero_spatial mixture. QwenOFT uses action placeholder tokens in the VLM sequence and an MLP/L1 regression head to predict a continuous action chunk.

Model and action contract

ItemValue
FrameworkStarVLA QwenOFT
Base VLMQwen3-VL-4B-Instruct
Action headTwo-block residual MLP over VLM action-token features, 2,560 input / 5,120 hidden / 7 output; direct L1 regression
Action dimension7
Action horizon8, derived from the saved 7-step future window plus current step
Dataset mixturelibero_all
Released checkpointcheckpoints/steps_50000_pytorch_model.pt
Checkpoint formatComplete StarVLA framework state dict (.pt)

The compact saved config does not record an explicit camera list, image resolution, or normalization mode. The checkpoint-era QwenOFT path does not feed a numeric state vector to the MLP head; later code can optionally serialize state into the instruction, which is a different prompt contract. Keep dataset_statistics.json beside the checkpoint and verify the remaining inputs in the evaluator before comparing results.

Training recipe

SettingValue
Configured maximum steps80,000
Released step50,000
Per-device batch size16
Gradient accumulation1
Warm-up5,000 steps
Base / VLM-interface / action LR2.5e-5 / 1e-5 / 1e-4
SchedulerCosine with minimum LR 1e-6
freeze_modulesPackaged boolean true; the public trainer expects module paths as a string, so this value names/selects no modules
Seed42

LIBERO evaluation

The following success rates are retained from the original Hub Card.

Stepslibero_objectlibero_spatiallibero_goallibero_10Avg
200000.9700.9840.9700.8740.9495
300000.9940.9820.9700.9160.9655
400000.9980.9900.9680.9280.9710
500000.9960.9900.9860.9480.9800

Only the 50k weight is released. The repository does not include the raw per-episode evaluation logs, so the table is a reported result rather than a result independently reconstructable from this Hub repository.

Download and evaluation

huggingface-cli download StarVLA/Qwen3-VL-OFT-LIBERO-4in1 \
  --local-dir Qwen3-VL-OFT-LIBERO-4in1

CKPT="$PWD/Qwen3-VL-OFT-LIBERO-4in1/checkpoints/steps_50000_pytorch_model.pt"
python deployment/model_server/server_policy.py \
  --ckpt_path "$CKPT" --port 6694 --use_bf16 \
  --config_override framework.qwenvl.base_vlm=Qwen/Qwen3-VL-4B-Instruct

Use the separate LIBERO environment and evaluator documented in StarVLA's LIBERO guide.

Evidence and limitations

  • Model structure and training settings were checked against config.yaml; the released step was checked against the Hub file tree.
  • The saved base_vlm and dataset paths are environment-local and must be mapped to public/local equivalents.
  • Changing normalization, camera order, state inclusion, action convention, or execution horizon can materially change success rates.
  • Results are limited to LIBERO simulation. No real-robot or cross-embodiment validation is included.
  • This is not a standalone Transformers from_pretrained() directory.

Как запустить

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

GPU в ailist

Универсальный рантайм · starVLA

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
3917714

0 моделей