/ Модель

Характеристики

Лицензия
Gemma
Базовая модель
pi05_base
Библиотека
lerobot
Опубликована
22 июл 2026

pi05_recovery_2task_full_5k

Языковая модельИзображение, текст → action

Полностью дообученная VLA-модель π0.5 управляет роботом SO-101 при захвате чашки у синего круга и её размещении на нём.

9скачиваний за 30 дней0лайковвеса обновлены23 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

Это vision-language-action policy π0.5, разработанная на базе lerobot/pi05_base и полностью дообученная для манипуляций с чашкой на роботе SO-101. Модель обучена выполнять две инструкции: взять чашку рядом с синим кругом и поставить её на этот круг. Обучение охватило всю модель, включая vision-language-компонент PaliGemma и эксперт действий; использован чекпойнт после 5 000 шагов из набора данных aailabkaist/so101_recovery_2task.

Модель принимает изображения с двух RGB-камер робота и языковую инструкцию, а выдаёт действия для управления манипулятором. Она предназначена для двух описанных сценариев pick-and-place на SO-101; данные включают 749 эпизодов и съёмку с частотой 30 кадров в секунду. В метаданных указана лицензия Gemma. Применение за пределами этой роботизированной установки и двух обучающих инструкций не подтверждено.

Сценарии применения

  • захват чашки рядом с синим кругом манипулятором SO-101
  • перемещение чашки на синий круг по языковой инструкции
  • управление манипулятором по изображениям с фронтальной и кистевой камер

Ограничения

Обучение охватывает только два сценария с чашкой и синим кругом на роботе SO-101; перенос на другие объекты, установки и инструкции не подтверждён. Чекпойнт соответствует 5 000 шагам из запланированного запуска на 10 000 шагов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

π0.5 · SO-101 pick & place (2-task) — full fine-tune, 5,000 steps

A π0.5 (pi05) vision-language-action policy fine-tuned on an SO-101 arm for a two-task cup manipulation setup: pick a cup up from the table and place it onto a blue circle.

The entire model was trained — PaliGemma VLM (vision encoder + language model) and the action expert together (train_expert_only=false, freeze_vision_encoder=false).

  • Base model: lerobot/pi05_base — the last pre-relative-actions revision, matching LeRobot 0.4.x
  • Dataset: aailabkaist/so101_recovery_2task (749 episodes · 151,255 frames · 30 fps · 8 operators)
  • Checkpoint: step 5,000 of a 10,000-step run (batch 64 → 320,000 samples ≈ 2.1 epochs)
  • Framework: LeRobot
  • Robot: SO-101, 6-DoF, two RGB cameras (front, wrist, 480×640)
  • Siblings: expert 5K · expert 10K · full 10K — see the two-task collection

Task and data

Two instructions, both used at training time verbatim:

pick up the cup near the blue circle
place the cup on the blue circle

cup start positions

Pick-episode cup start positions (394 episodes, per-operator colors, anonymized). The cups form a ring around the blue circle rather than covering the workspace uniformly.

cup transport

Place-episode transport vectors, start → placed (350 of 355 place episodes — 5 excluded where the cup is fully occluded by the gripper in the start frame). Endpoints converge tightly on the blue circle; the release target is nearly constant across the dataset.

Training

Trainable parameters3.617 B (100 %)
Frozennone
Steps5,000 (run stopped early at 10K; config said 20K)
Batch size64
Precisionbfloat16, gradient_checkpointing=true
OptimizerAdamW · lr 2.5e-5 · wd 0.01 · betas (0.9, 0.95) · grad-clip 1.0
Schedulecosine decay with warmup — auto-scaled by LeRobot (20K steps < 30K decay): warmup 1,000→666, decay 30,000→20,000; peak 2.5e-5, LR at this checkpoint ≈2.2e-5 (configured floor 2.5e-6 never reached — run stopped at 10K)
Chunkchunk_size=50, n_action_steps=50, n_obs_steps=1
Seed1000
Hardware1× NVIDIA RTX PRO 6000 Blackwell (96 GB)
VRAM / speed45.4 GB · 4.93 s/step
Loss at this checkpoint0.059

Interactive training curves for this run — loss · LR · grad-norm · epochs (this variant's W&B run · project overview):

loss curve

loss curve, log scale

Both runs used identical data, batch size and dtype — the only difference is what was trainable, so the two curves are directly comparable. expert-only is essentially flat after warmup (~step 1K): 0.129 → 0.087 over the remaining ~3.8 epochs; full fine-tuning keeps descending. The run was stopped at 10K rather than the configured 20K on the strength of these curves.

Usage

from lerobot.policies.pi05.modeling_pi05 import PI05Policy

policy = PI05Policy.from_pretrained("aailabkaist/pi05_recovery_2task_full_5k")

Or serve it for async inference:

python -m lerobot.async_inference.policy_server --host=0.0.0.0 --port=8080 --fps=30
python -m lerobot.async_inference.robot_client \
    --server_address=<host>:8080 \
    --policy_type=pi05 --pretrained_name_or_path=aailabkaist/pi05_recovery_2task_full_5k \
    --task="pick up the cup near the blue circle" \
    --actions_per_chunk=50 --chunk_size_threshold=0.2 \
    --aggregate_fn_name=weighted_average --fps=30

A single-task variant of this setup — one instruction covering the whole pick-and-place motion, with a plain white cup — lives in the SO-101 · cup → blue circle (single-task) collection.

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
8c61522

0 моделей