/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
lingbot-va-base
Библиотека
diffusers
Опубликована
23 июл 2026

lingbot-va-libero-spatial

Языковая модельИзображение, текст → action

Сообщественный чекпойнт LingBot-VA, дообученный для предсказания действий робота и будущих наблюдений в задачах LIBERO-Spatial.

0скачиваний за 30 дней1лайквеса обновлены3 авг 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

LingBot-VA LIBERO-Spatial — сообщественный чекпойнт трансформера, дообученный на основе robbyant/lingbot-va-base для набора задач LIBERO-Spatial. Модель совместно предсказывает действия робота и будущие визуальные наблюдения по текущему визуальному контексту; предназначена для исследований и оценки в симуляторе LIBERO, а не для готового управления реальным роботом.

Чекпойнт содержит только трансформер: для работы также нужны VAE, токенизатор и текстовый энкодер из базовой модели. В трёх запусках по 500 эпизодов сообщается средняя успешность 95,33% по 10 задачам LIBERO-Spatial; результат зависит от конфигурации симулятора и случайных seed и ниже опубликованного результата официальной модели. Выпуск не является официальной моделью Robbyant. Лицензия — Apache-2.0.

Сценарии применения

  • оценка управления роботом в симуляторе LIBERO-Spatial
  • предсказание действий робота по визуальным наблюдениям
  • совместное моделирование действий и будущих кадров в симуляции
  • сравнение чекпойнтов vision-language-action на задачах манипуляции

Ограничения

Результаты измерены только в симуляторе и зависят от конфигурации и seed; безопасная работа на реальном роботе не проверялась. Для запуска нужны VAE, токенизатор и текстовый энкодер базовой модели; веса не содержат состояния оптимизатора и не позволяют напрямую продолжить обучение.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LingBot-VA LIBERO-Spatial

This repository contains community post-trained transformer checkpoints for LingBot-VA on the LIBERO-Spatial suite. It is not an official Robbyant model release.

The checkpoints predict robot actions jointly with future visual observations. They are intended for research and evaluation in the LIBERO simulator.

Checkpoints

Repository pathTraining stepStatusLIBERO-Spatial result
transformer/5,000Retrained default/final checkpoint1,430 / 1,500 (95.33%, 3 seeds)

This checkpoint was retrained from robbyant/lingbot-va-base after replacing an earlier incompatible LIBERO-Spatial dataset export. Each evaluation covers all 10 tasks with 50 episodes per task.

RunSeedSuccesses / episodesSuccess rate
12026072501480 / 50096.0%
22026072502471 / 50094.2%
32026072503479 / 50095.8%
Pooled / mean3 seeds1,430 / 1,50095.33%

The population standard deviation across the three seed-level success rates is 0.81 percentage points.

For reference, the official LingBot-VA repository reports 98.5% ± 0.3% for LIBERO-Spatial. This community checkpoint's three-seed mean is 3.17 percentage points lower, so it does not fully match the reported official result. The two figures should not be treated as strictly identical experiments unless every training and evaluation detail is matched.

Model contents

This repository provides the post-trained transformer only. The VAE, tokenizer, and text encoder must be taken from robbyant/lingbot-va-base.

The checkpoint config is saved with:

{"attn_mode": "flex"}

flex is the training setting. For inference or evaluation, copy the checkpoint into a runtime model directory and change attn_mode to torch or flashattn, following the official LingBot-VA instructions. Do not overwrite the archived training checkpoint merely to switch inference backends.

Download

Download the final 5,000-step transformer:

hf download Wjjjh/lingbot-va-libero-spatial \
  --include "transformer/*" \
  --local-dir lingbot-va-libero-spatial-step5000

Training details

SettingValue
Initializationrobbyant/lingbot-va-base
DatasetWjjjh/libero_lingbot_va, libero_spatial subset
Dataset size500 episodes, 62,250 action rows
OptimizerAdamW
Learning rate1e-5
Betas(0.9, 0.95)
Weight decay0.1
Warmup10 optimizer steps
Precisionbfloat16
Distributed strategyFSDP
Hardware4 × NVIDIA H100 80 GB
Per-GPU batch size1
Gradient accumulation8
Effective global batch size32
Total optimizer steps5,000
Checkpoint interval200 steps

Training followed the LingBot-VA LIBERO post-training pipeline, with a suite-specific action normalization computed from all LIBERO-Spatial training actions.

Action and evaluation configuration

The model uses the first seven channels of the 30-channel action layout:

used_action_channel_ids = [0, 1, 2, 3, 4, 5, 6]
action_snr_shift = 0.05

The action quantiles used for both training and evaluation are:

{
  "q01": [
    -0.7607142857142858,
    -0.6562499999999999,
    -0.9375,
    -0.10821428571428572,
    -0.20464285714285715,
    -0.18642857142857147,
    -1.0
  ],
  "q99": [
    0.9375,
    0.8732142857142857,
    0.9348214285714286,
    0.10500000000000001,
    0.17571428571428574,
    0.14357142857142857,
    1.0
  ]
}

The reported 5,000-step evaluations used:

  • LIBERO-Spatial, 10 tasks
  • 50 episodes per task (500 total)
  • maximum 800 environment steps per episode
  • 128 × 128 agent-view and eye-in-hand observations
  • 4 parallel GPU shards
  • explicit seeds 2026072501, 2026072502, and 2026072503
  • LIBERO commit 8f1084e3132a39270c3a13ebe37270a43ece2a01

Limitations

  • The reported rates are simulator- and seed-dependent estimates from three 500-episode runs, not guarantees of real-world performance.
  • Results are simulator- and configuration-dependent.
  • This model has not been validated for safe real-world robot deployment.
  • These files contain model weights only and do not contain optimizer state, so they are not a complete resumable training checkpoint.

Acknowledgements and citation

This checkpoint is derived from the official LingBot-VA base model and training code. Please cite the original LingBot-VA work when using this model:

@article{lingbot-va2026,
  title={Causal World Modeling for Robot Control},
  author={Li, Lin and Zhang, Qihang and Luo, Yiming and Yang, Shuai and Wang, Ruilin and Han, Fei and Yu, Mingrui and Gao, Zelin and Xue, Nan and Zhu, Xing and Shen, Yujun and Xu, Yinghao},
  journal={arXiv preprint arXiv:2601.21998},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
933ab66

0 моделей