/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
15,1 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Библиотека
transformers
Опубликована
15 окт 2025

openvla-7b-oft-finetuned-libero-plus-mixdata

Изображение и текст → текст3 профессии

Дообученная на смеси данных LIBERO-Plus модель OpenVLA-OFT предсказывает действия робота-манипулятора по изображению и инструкции.

314скачиваний за 30 дней6лайковвеса обновлены17 окт 2025

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

Sylvest/openvla-7b-oft-finetuned-libero-plus-mixdata — модель OpenVLA-OFT на базе OpenVLA, дообученная на смеси данных LIBERO-Plus. Это плотная vision-language-action модель с архитектурой OpenVLAForActionPrediction, предназначенная для управления роботом-манипулятором по изображению сцены и текстовой инструкции: на выходе она предсказывает действия робота. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT.

Модель можно применять для выполнения роботизированных задач манипуляции и проверки устойчивости управления при изменении расположения объектов, ракурса камеры, начального состояния робота, инструкций, освещения, фона и сенсорного шума. В README сообщается о более высокой устойчивости OpenVLA-OFT по сравнению с OpenVLA в тестах LIBERO-Plus, но также отмечается чувствительность моделей VLA к некоторым изменениям и слабое следование языковым инструкциям. Данных о размере параметров и длине контекста в предоставленной карточке нет.

Сценарии применения

  • управление роботом-манипулятором по визуальной сцене и текстовой команде
  • выполнение задач манипуляции в среде LIBERO
  • оценка устойчивости роботизированного управления при изменении ракурса камеры
  • проверка поведения робота при изменении освещения, фона и сенсорного шума

Ограничения

README указывает на чувствительность VLA-моделей к ракурсу камеры и начальному состоянию робота, а также на слабое следование языковым инструкциям. Приведённые результаты относятся к бенчмарку LIBERO-Plus.

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

🔥 Overview

This repository contains the official implementation and benchmark for our paper "In-depth Robustness Analysis for Vision-Language-Action Models". We systematically expose the hidden vulnerabilities of contemporary VLA models through comprehensive robustness evaluation across seven perturbation dimensions. You can simply replace the original libero with a pip install -e . without modifying your code.

🚀 Key Findings

  • Significant Fragility: VLA models exhibit extreme sensitivity to camera viewpoints and robot initial states, with performance dropping from 95% to below 30% under modest perturbations
  • Language Ignorance: Models largely ignore language instructions, functioning more like Vision-Action models
  • Negative Compositional Generalization: Combined perturbations reveal complex interaction effects beyond independent factors

📊 LIBERO-plus Benchmark

7 Perturbation Dimensions

We introduce LIBERO-plus, a comprehensive benchmark with 10,030 tasks spanning:

  1. Objects Layout - Confounding objects and target object displacement
  2. Camera Viewpoints - Position, orientation, and field-of-view changes
  3. Robot Initial States - Manipulator initial pose variations
  4. Language Instructions - LLM-based instruction rewriting
  5. Light Conditions - Intensity, direction, color, and shadow variations
  6. Background Textures - Scene and surface appearance changes
  7. Sensor Noise - Photometric distortions and image degradation

Evaluated Models

  • OpenVLA and variants (OFT, OFT_w, OFT_m)
  • π₀ and π₀-fast
  • Nora, WorldVLA, UniVLA, RIPT-VLA

🛠️ Installation

Please refer to our github repo for more installation details. You can download our OpenVLA-OFT weights after mix-SFT from this hf repo. You can also find the assets and the training dataset.

The extracted directory structure should look like:

LIBERO-plus/
└── libero/
    └── libero/
        └── assets/
            ├── articulated_objects/
            ├── new_objects/
            ├── scenes/
            ├── stable_hope_objects/
            ├── stable_scanned_objects/
            ├── textures/
            ├── turbosquid_objects/
            ├── serving_region.xml
            ├── wall_frames.stl
            └── wall.xml

🔧 Evaluation

The evaluation method is almost identical to LIBERO. The only required modification is adjusting num_trials_per_task from 50 to 1 in your configuration.

📊 LIBERO-Plus Benchmark Leaderboard

ModelCameraRobotLanguageLightBackgroundNoiseLayoutTotal
OpenVLA0.83.523.08.150.415.228.517.3
OpenVLA-OFT56.431.979.588.797.375.874.270.0
OpenVLA-OFT_w10.438.770.576.899.249.969.956.4
NORA2.237.065.145.765.512.862.139.8
WorldVLA0.127.941.643.719.810.938.025.3
UniVLA1.846.269.669.090.721.231.943.9
π₀13.86.058.885.090.779.068.954.6
π₀-Fast65.121.661.073.297.774.468.864.2
RIPT-VLA55.231.277.688.4100.073.574.269.3
OpenVLA-OFT_m55.621.781.092.792.378.668.768.1
OpenVLA-OFT+ (Ours)92.830.385.894.993.989.377.679.6

Origin LIBERO Benchmark Leaderboard

To make it easier to get all the results in one place, we've compiled the evaluation results of current VLA models on the original LIBERO benchmark in this table.

Citation

If you find this work useful for your research, please cite our paper:

@article{fei25libero-plus,
    title={LIBERO-Plus: In-depth Robustness Analysis of Vision-Language-Action Models},
    author={Senyu Fei and Siyin Wang and Junhao Shi and Zihao Dai and Jikun Cai and Pengfang Qian and Li Ji and Xinzhe He and Shiduo Zhang and Zhaoye Fei and Jinlan Fu and Jingjing Gong and Xipeng Qiu},
    journal = {arXiv preprint arXiv:2510.13626},
    year={2025},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OpenVLAForActionPrediction
Ревизия весов
a85655e

0 моделей