Характеристики

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

Ссылки

v1_so101_pushcube

Изображение и текст → текст

OpenVLA-модель на базе MergeVLA-Qwen-0.5B предсказывает действия робота SO-101 для сдвигания кубика по изображениям камер и состоянию робота.

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_pushcube — модель семейства OpenVLA для управления роботом SO-101 при выполнении задачи pushcube: сдвигания кубика. Согласно карточке, это сжатая версия модели ImKyungjin/mergevla-pushcube-so101, основанная на VLM MergeVLA-Qwen-0.5B; README описывает её как объединённую VLM-дельту без core и с низкоранговым представлением. Репозиторий содержит веса safetensors, лицензия — MIT.

Модель принимает два изображения с камер робота — сверху и с запястья — и данные о состоянии робота, а предсказывает последовательности действий для управления им. Размерность действий и проприоцептивных данных равна 6, длина фрагмента действий — 20. Для загрузки требуется профиль SO-101 с соответствующими параметрами; стандартный профиль LIBERO приводит к ошибке загрузки проекционного слоя проприоцепции. Карточка не сообщает результаты оценки качества или перечень поддерживаемых языков.

Сценарии применения

управление SO-101 при сдвигании кубика
предсказание последовательностей действий робота по двум изображениям с камер
эксперименты с визуально-языковым управлением SO-101

Ограничения

Модель рассчитана на задачу pushcube для робота SO-101 и требует профиля с размерностями действий и проприоцепции 6 и фрагментом действий длиной 20; стандартный профиль LIBERO несовместим. В README не приведены оценки качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

v1 — pushcube, 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     = "pushcube_so101"
cfg.unnorm_key          = "pushcube_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-pushcube-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: d07cd67