Характеристики

Библиотека: lerobot
Опубликована: 26 июл 2026

Ссылки

Hugging Face

pi05_green_rabc_20260725_iter2

k1000dai

Языковая модельИзображение, текст → action

Политика pi05 управляет SO-101 при подборе зелёного кубика и размещении его справа.

8скачиваний за 30 дней0лайковвеса обновлены26 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 политика управления роботом pi05 для манипулятора SO-101, дообученная k1000dai для подбора зелёного кубика и его размещения справа. Для обучения использовались реальные демонстрации с установки SO-101, объединённые с базовым teleop-датасетом; примеры взвешивались по прогрессу, оценённому Robometer-4B по изображению верхней камеры, с помощью RA-BC. Обучение выполнено за 10 000 шагов с размером пакета 8.

Модель предназначена для управления роботом при выполнении указанной манипуляционной задачи. Она опубликована в формате safetensors и использует библиотеку LeRobot. Оценка модели не проводилась: поток оценки остановился после сбоя последовательного соединения манипулятора. Лицензия в предоставленных данных не указана.

Сценарии применения

подбор зелёного кубика манипулятором SO-101
перемещение кубика на правую сторону рабочей поверхности
обучение роботизированным манипуляциям на демонстрациях с физической установки

Ограничения

Модель не оценивалась: запуск оценки остановился после потери последовательного соединения с манипулятором. Успешность на установке при малом числе эпизодов имеет широкую погрешность.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pi05 SO-101 green-cube policy (vla-agent-loop)

Produced by one iteration of vla-agent-loop: rollouts collected on the physical SO-101 rig, merged with the base teleop dataset, scored for progress by Robometer-4B (top camera), then finetuned on HPC with RA-BC sample weighting.


Base policy	`k1000dai/pi05_so101_pick_up_and_place_on_the_orange_sheet_70_base`
Training dataset	`k1000dai/pick-up-green-cube-and-place-on-the-right-side-o-20260725-145638-iter2-merged` (124 episodes)
Steps / batch size	10000 / 8
Sample weighting	`rabc` (kappa=0.01, head_mode=sparse)
Task prompt	`pick_up_green_cube_and_place_on_the_right_side_of_the_orange_sheet`

Evaluation

Not evaluated: the rig's evaluation dataflow hung when the arm's serial link dropped, and the run was stopped before it could be re-run.

Note that the rig's on-policy success rate is measured over very few episodes; treat any single evaluation here as an estimate with a wide confidence interval.

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: d06093b