Характеристики

Опубликована: 15 июл 2026

Ссылки

transformer-crossattn-l18-depth4-libero-nolora-fullvlm

Языковая модельИзображение, текст → action

Дообученная на LIBERO модель OpenPI для управления роботом, использующая Transformer-микшер действий и перекрёстное внимание к контексту.

0скачиваний за 30 дней0лайковвеса обновлены15 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 контрольная точка OpenPI, дообученная на LIBERO в течение 30 тысяч шагов для эксперимента с архитектурой микшера действий Transformer и перекрёстным вниманием CC-XAttn на уровне токенов контекста. Обучение охватывает полный VLM, зрительный тракт и тракт действий без LoRA; указанная конфигурация использует префикс VLM L18 и микшер Transformer глубины 4. В качестве инициализатора использована pi05_base_pytorch.

Модель предназначена для управления роботом в задачах LIBERO, включая пространственные задачи, манипуляции объектами и достижение целей. В описанном тесте LIBERO-10 средний результат составил 75,6 при 50 испытаниях на задачу; медианная задержка составила 85,60 мс. Репозиторий содержит веса safetensors и нормировочную статистику LIBERO. Сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

управление роботом в задачах LIBERO
пространственные манипуляции робота
взаимодействие робота с объектами
выполнение целевых действий в симуляции

Ограничения

Оценка приведена только для набора LIBERO и описанного протокола испытаний; перенос на другие среды и задачи не установлен. Лицензия в предоставленных материалах не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Transformer L18 Depth4 CC-XAttn LIBERO no-LoRA fullVLM

30k-step LIBERO finetuned checkpoint for the Transformer action-mixer ablation with token-level ctxD cross-attention.

Checkpoint

OpenPI config: pi05_transformer_ctxd18_crossattn_fullvlm_libero_5090
Experiment: icra_nolora_fullvlm_transformer_crossattn_l18_depth4_cosine5e5_5e6_b16_acc1_seed42
Step: 30000
Initializer: pi05_base_pytorch
Adaptation: full VLM / full vision / full action path, no LoRA
VLM prefix: L18
Mixer: Transformer depth4
Context interface: CC-XAttn, token-level ctxD cross-attention
Training: batch 16, grad accumulation 1, seed 42
LR schedule: cosine from 5e-5 to 5e-6 over 30k steps
LIBERO eval: seed 7, 50 trials per task, 10 denoising steps

LIBERO Results

Mixer	Context	Spatial	Object	Goal	LIBERO-10	Average	Action expert core	Train time	Median latency
Transformer	CC-XAttn	75.2	82.8	75.8	68.6	75.6	0.018B	13.72 h	85.60 ms

Use

--config-name pi05_transformer_ctxd18_crossattn_fullvlm_libero_5090
--checkpoint-dir /path/to/checkpoint

The checkpoint includes the LIBERO norm stats under assets/physical-intelligence/libero.

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: dc9feae