/ Модель

Характеристики

Лицензия
MIT
Опубликована
6 июл 2026

dino-wm-libero

Языковая модельИзображение, текст → action

Фильтр безопасности на основе DINOv2 и модели мира оценивает риск и помогает выявлять небезопасные действия робота при манипуляциях в задачах LIBERO.

0скачиваний за 30 дней0лайковвеса обновлены29 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

abyssrz/dino-wm-libero — фильтр безопасности для манипуляционных роботов, разработанный на основе DINOv2 и модели мира VideoTransformer и обученный на задачах LIBERO-Object. Репозиторий содержит классификатор риска, критик безопасности HJ и статистику нормализации действий; лицензия — MIT.

Зрительный энкодер DINOv2 ViT-S/14 принимает изображения размером 224×224 и формирует признаки размерности 384. Модель использует контекст из трёх кадров для предсказания следующего кадра, состояния робота и оценки риска. Вход также включает 8-мерную проприоцепцию и действия с 7 степенями свободы, представленные 10-мерным вектором. Обучение проводилось на примерно 500 демонстрациях для 10 задач LIBERO-Object с разметкой безопасных и опасных состояний, включая обнаружение триггеров бэкдора.

Модель предназначена для оценки риска и фильтрации небезопасных действий при роботизированных манипуляциях в сценариях LIBERO. Карточка не приводит количественных результатов оценки, поэтому качество и переносимость на другие роботы и среды по ней определить нельзя.

Сценарии применения

  • оценка риска действий робота-манипулятора
  • обнаружение небезопасных состояний при захвате объектов
  • выявление триггеров бэкдора в сценах LIBERO
  • прогнозирование следующего состояния робота по кадрам и проприоцепции

Ограничения

Обучение описано для 10 задач LIBERO-Object и примерно 500 демонстраций; переносимость на другие среды не подтверждена. В карточке не приведены количественные метрики качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DINO-WM Safety Filter for LIBERO

A learned safety filter for robot manipulation based on DINOv2 and a world model. Trained on LIBERO-Object tasks with backdoor trigger detection.

Files

FileSizeDescription
best_classifier.pth258 MBWorld model backbone + safety classifier head
policy.pth18 MBHJ safety critic (DDPG policy trained in WM latent space)
libero_action_stats.npz554 BAction normalization statistics

BD3 checkpoints

The BD3 artifacts are available in the bd3/ directory. They are stored separately so the previously published root-level checkpoints remain unchanged. See bd3/README.md for file descriptions and SHA-256 checksums.

Architecture

  • Vision encoder: DINOv2 ViT-S/14 (registers variant, 384-dim features, 224×224 input)
  • World model: VideoTransformer (6 layers, 16 heads, MLP dim 2048)
    • Context window: 3 frames → predict 1 frame
    • Action embedding: 10-dim (from 7-DoF delta actions)
    • State input: 8-dim proprioception (end-effector + gripper)
    • Predicts: front camera features, wrist camera features, next state, failure score
  • Safety classifier: MLP head on transformer features → scalar risk score per frame
  • HJ critic: DDPG policy scoring (state, action) pairs in WM latent space

Usage

Load the model via dino_safety_filter.py from the latent-safety-dino repository:

from dino_safety_filter import build_libero_dino_safety_filter

safety_filter = build_libero_dino_safety_filter(
    wm_ckpt_path="best_classifier.pth",
    hj_policy_path="policy.pth",
    action_stats_path="libero_action_stats.npz",
    threshold=0.0,
    device="cuda:0",
)
# safety_filter.filter_action(action) -> (filtered_action, accepted)

Training Data

  • Dataset: LIBERO-Object (10 tasks, ~500 demonstrations)
  • Labels: Per-timestep failure annotations (0 = safe, 1 = unsafe/backdoor)
  • Backdoor trigger: Malicious scene objects + predicate violations

Training Pipeline

  1. train_dino_decoder.py — VQVAE decoder for visual reconstruction
  2. train_dino_wm.py — World model dynamics (front/wrist/state prediction heads)
  3. train_dino_classifier.py — Safety classifier (failure_head only, backbone frozen)
  4. train_critic.sh — HJ avoid critic in WM latent space (DDPG)

Citation

Based on DINO-WM: https://arxiv.org/abs/2411.04983

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
0e73b72

0 моделей