/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
smolvla_base
Библиотека
lerobot
Опубликована
24 июл 2026

smolvla-so101-pickplace-v2

Языковая модельИзображение, текст → action

Дообученная SmolVLA для выполнения инструкций по захвату и перемещению объектов манипулятором SO-ARM100 в симуляции.

68скачиваний за 30 дней0лайковвеса обновлены24 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

Модель smolvla-so101-pickplace-v2 разработана Ahmed Sohail на основе SmolVLA 450M от LeRobot и дообучена для управления манипулятором SO-ARM100 при захвате и перемещении объектов. Она принимает изображения с камер, состояние робота и инструкцию на естественном языке, а на выходе формирует непрерывные управляющие действия. Модель обучена на 160 эпизодах симуляции MuJoCo, включая демонстрации повторной попытки после неудачного захвата.

В описанной автором оценке на 20 эпизодах модель успешно выполнила задачу в 90% случаев; это результат конкретного симуляционного теста, а не гарантия для других условий. Обучение на демонстрациях восстановления позволило модели учитывать альтернативные варианты поведения после промаха. Модель предназначена для исследований и экспериментов с роботизированной манипуляцией и доступна по лицензии Apache-2.0.

Сценарии применения

  • захват красного блока и перемещение в заданный лоток
  • управление манипулятором по текстовой инструкции и изображению
  • повторная попытка захвата после промаха
  • эксперименты с обучением роботов на демонстрациях в MuJoCo

Ограничения

Результат 90% получен на 20 эпизодах фиксированной оценки в симуляции и не подтверждает такую же успешность на реальном роботе или в других сценариях. Модель обучена для конкретной задачи pick-and-place и конфигурации SO-ARM100.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

smolvla-so101-pickplace-v2 — 90% language-conditioned pick-and-place

SmolVLA (450M) fine-tuned on so101-sim-pickplace-v2 (160 SO-ARM100 episodes incl. 12.5% verified-retry recovery demonstrations):

"Pick up the red block and place it in the blue tray."

demo episode

Results (20 eval episodes, fixed seed disjoint from training)

PolicySuccess
SmolVLA base, zero-shot0%
SmolVLA on 100 nominal eps55%all failures = right-side non-engagements (coverage)
SmolVLA on the 160-ep -v2 set (this model)90%coverage fixed; one eval episode shows a live miss→retry→success (165 steps vs the stereotyped ~105)
ACT (~52M specialist BC) on the same -v2 data50%hurt by the same data — see below

The cross-architecture finding

The identical -v2 dataset moved two architectures in opposite directions:

Trained on -v2 (160 eps, incl. recovery branches)vs. its nominal-data baseline
ACT (chunked L1 regression)65% → 50% (and temporal ensembling flips from +10 to −15)
SmolVLA (flow-matching action expert)55% → 90%

Recovery demonstrations make the data behaviorally multimodal: from near-identical states, some demonstrations proceed to lift while others re-approach. Chunk regression averages incompatible continuations into compromise actions; a flow-matching generative head simply learns both modes. Full analysis: the ACT side is documented as a negative-result model card.

Fine-tuning recipe (single Kaggle T4, free tier)

LeRobot 0.6.0 lerobot-train: batch 8, 12k steps (~8 h), AMP, frozen VLM / action-expert-only (defaults), cameras renamed to the base's naming (front→camera1, wrist→camera2). Same recipe as the 55% v1 model — only the data changed.

Provenance

Base lerobot/smolvla_base (Apache-2.0); author-recorded scripted-expert demonstrations in MuJoCo; robot model from MuJoCo Menagerie (trs_so_arm100).

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
f43f9f3

0 моделей