Характеристики

Контекст: 131 072 токена
Лицензия: MIT
Архитектура: openvla · dense
Опубликована: 31 июл 2026

Ссылки

Hugging Face

v1_so101_pickcube

heewonpark12

Изображение и текст → текст

Производная OpenVLA-модель для управления роботом SO-101 при подборе куба по изображениям с двух камер.

5скачиваний за 30 дней0лайковвеса обновлены31 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

v1_so101_pickcube — производная модель семейства OpenVLA для управления роботом SO-101 при выполнении задачи pickcube. Согласно карточке, веса сжаты из ImKyungjin/mergevla-pickcube-so101; базовая VLM указана как MergeVLA-Qwen-0.5B. Модель принимает два изображения — с верхней и запястной камер — и формирует предсказания действий для робота.

Выходная конфигурация рассчитана на размерность действий 6, размерность проприоцептивных данных 6 и блок из 20 действий. Для загрузки требуется профиль SO-101 с указанными параметрами; стандартный профиль LIBERO несовместим с проектором проприоцепции. В репозитории используются веса safetensors, лицензия — MIT.

Сценарии применения

подбор куба роботом SO-101
управление манипулятором по изображениям с верхней камеры
управление манипулятором по изображению с камеры на запястье
предсказание последовательности действий робота с блоком из 20 шагов

Ограничения

Требуется конфигурация SO-101 с размерностями действий и проприоцепции 6 и длиной блока действий 20; стандартный профиль LIBERO не загружается корректно. README не описывает метрики качества или условия обобщения на другие задачи и роботов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

v1 — pickcube, no-core low-rank (SO-101)

Merged VLM delta: 0.17 GB per task.

Settings

cfg.load_moe            = False
cfg.num_images_in_input = 2                # top, wrist
cfg.task_suite_name     = "pickcube_so101"
cfg.unnorm_key          = "pickcube_so101"

SO-101 robot constants (prismatic/vla/constants.py) must be ACTION_DIM=6, PROPRIO_DIM=6, NUM_ACTIONS_CHUNK=20. The default LIBERO profile (7/8/8) fails to load the proprio projector.


action dim	6
proprio dim	6
action chunk	20
cameras	top, wrist (256x256)

Provenance

Compressed from ImKyungjin/mergevla-pickcube-so101; base VLM MergeVLA-Qwen-0.5B.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры: OpenVLAForActionPrediction
Ревизия весов: 7504701