/ Модель

Характеристики

Библиотека
lerobot
Опубликована
1 авг 2026

pi05_so101_pick_up_yellow_cube_selfimprove_iter5

Языковая модельИзображение, текст → action

Экспериментальная политика для SO-101, дообученная выполнять подъём жёлтого кубика.

11скачиваний за 30 дней0лайковвеса обновлены1 авг 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 дообученная робототехническая политика для манипулятора SO-101, подготовленная проектом vla-agent-loop на базе k1000dai/pi05_so101_pick_up_yellow_cube_4cam_base_5k. Модель обучена на 75 успешных эпизодах подъёма жёлтого кубика, собранных на физической установке и добавленных к исходному набору teleop-данных; обучение продолжалось 5000 шагов с размером батча 8. Файлы опубликованы в формате safetensors и предназначены для управления роботом при выполнении этого сценария.

Чекпойнт не оценивался после последнего раунда. В серии измерений предыдущие четыре раунда дообучения показали в сумме 6,7% успешных эпизодов против 22% у исходной политики; авторы сообщают, что цикл самоулучшения ухудшил результат, а причина пока не установлена. Это экспериментальная модель для конкретной установки и задачи; результаты оценивались на небольшом числе эпизодов. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • управление SO-101 при подъёме жёлтого кубика
  • проверка политики на эпизодах физического манипулятора
  • исследование дообучения робототехнических политик на успешных траекториях

Ограничения

Последний чекпойнт не оценивался; предыдущие четыре раунда дообучения снизили суммарную успешность до 6,7% против 22% у базовой политики, а причина ухудшения не установлена. Оценка основана на небольшом числе эпизодов, поэтому её точность ограничена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pi05 SO-101 — pick up yellow cube (vla-agent-loop)

Produced by vla-agent-loop: rollouts collected on the physical SO-101 rig; the episodes a VLM judged successful were merged with the base teleop dataset and the base policy was finetuned on HPC. No reward or progress model is involved.

Base policyk1000dai/pi05_so101_pick_up_yellow_cube_4cam_base_5k
Training datasetk1000dai/pick-up-yellow-cube-20260730-180659-iter5-success (75 episodes)
Steps / batch size5000 / 8
Sample weightingnone (plain supervised finetune)
Task promptpick_up_yellow_cube

Evaluation

NOT evaluated: deployed at the end of the run, but no collect measured it. Measured series from the same run (50-episode collects, VLM judge on side2+top): base 22.0% (11/50), then after each SFT round 4.0%, 8.0%, 5.0%, 10.0%. The four trained rounds pooled are 14/210 = 6.7% against the base's 22.0% (Fisher exact p=0.0025) -- the self-improvement loop DEGRADED the policy. Cause not identified. Leading hypothesis is overfitting: the base was already 5000 steps on the same 50 teleop episodes, and each round added 5000 more. A hypothesis that the successful rollouts' 25 s timeout tails poisoned training was checked against the recordings and NOT supported -- failures look like the base's (approach, then stall before the grasp).

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
9cff29c

0 моделей