Характеристики

Лицензия: Apache 2.0
Библиотека: transformers
Опубликована: 14 июл 2026

Ссылки

lingbot-vla-2-stackcube-ablations

Языковая модельИзображение, текст → action

Экспериментальные варианты LingBot-VLA 2.0 для укладывания кубиков двумя руками Unitree G1 с командами суставам или позами конечного эффектора.

0скачиваний за 30 дней0лайковвеса обновлены22 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

YccHugAi/lingbot-vla-2-stackcube-ablations — набор экспериментальных дообученных вариантов LingBot-VLA 2.0 для укладывания кубиков двумя руками робота Unitree G1 Dex1. Базовая модель имеет 6 млрд параметров и MoE-эксперт действий. В экспериментах замораживали энкодер зрения и обучали запросные головы для глубины и DINO; использовались абсолютные действия. Репозиторий содержит варианты с управлением суставами и позами конечного эффектора, а также сравнения наборов данных и длительности обучения.

Модель предназначена для манипуляционных задач на роботе: варианты `joint100` выдают команды суставам, а варианты `eef` и `eef100` — позы конечного эффектора, которые клиент должен преобразовать в суставные команды с помощью обратной кинематики. В README указано, что веса отдельных шагов обучения пригодны для развёртывания. Репозиторий содержит веса Safetensors и конфигурацию HF. Лицензия — Apache-2.0.

Это ранние абляционные прогоны: описанные основные варианты обучались лишь 0,29–0,42 эпохи, а сравнение явно исследует влияние действия, данных и экспозиции обучения. Поэтому качество и надёжность для реального применения не установлены; для EEF-вариантов также требуется внешний IK-клиент.

Сценарии применения

обучение робота Unitree G1 укладывать кубики
сравнение управления суставами и позами конечного эффектора
проверка влияния смешанных и чистых наборов демонстраций
абляционное сравнение длительности обучения VLA для манипуляций

Ограничения

Основные варианты обучались менее одной эпохи, поэтому их качество и надёжность не установлены. Для вариантов EEF клиент должен преобразовывать позы конечного эффектора в команды суставам с помощью обратной кинематики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LingBot-VLA 2.0 — Stack-the-cubes ablations

Finetunes of LingBot-VLA 2.0 (6B, MoE action expert) on Unitree G1 Dex1 dual-arm cube stacking. All runs freeze the vision encoder; distillation teachers stay frozen, current+future depth/DINO query heads train. Muon, lr 1e-4, L1_fm, bounds_99_woclip, absolute actions.

Subfolder	Data	Action space	Steps	Note
`joint100/`	100ep	joint (14 arm + 2 grip)	20000 (0.42 epoch)	vision frozen, 2xA100
`eef/`	150ep (v1+v2)	EEF pose (14 + 2 grip)	20000 (0.29 epoch)	vision frozen, 2xA100
`eef100/`	100ep	EEF pose (14 + 2 grip)	20000 (0.42 epoch)	vision frozen, 2xA100
`eef100_10ep/`	100ep	EEF pose (14 + 2 grip)	59979 (10 full epochs)	vision frozen, GBS=16, 2xB200

Ablation axes: joint100 vs eef100 = joint vs EEF (same data); eef vs eef100 = mixed 150ep vs clean 100ep; eef100 vs eef100_10ep = training exposure (0.42 epoch vs 10 full epochs of the same 100ep EEF data — the original runs never completed even one full pass over their training set). Each */global_step_*/ holds deployable HF weights (model-0000x-of-00006.safetensors + tokenizer/config). EEF models output end-effector poses — the client must IK them back to joints (see g1-client main_eef.py).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов: 38588fe