/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Архитектура
llava_llama · dense
Опубликована
3 сен 2026

3DWay-15B

Изображение и текст → текст

Мультимодальная модель для предсказания согласованных 2D-точек траектории по изображениям сцены и текстовой инструкции для последующего управления манипуляциями робота.

17скачиваний за 30 дней3лайкавеса обновлены10 сен 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

3DWay-15B — чекпойнт модели на 15 млрд параметров из работы «3DWay: Generalizing Robot Manipulation via 3D Consistent Waypoints», принятой на ECCV 2026. Репозиторий опубликован пользователем liyy4586; архитектура указана как LlavaLlamaModel, веса представлены в формате safetensors.

Модель принимает многовидовые RGB-наблюдения и текстовую инструкцию, после чего предсказывает согласованные между видами 2D-точки траектории. Их можно триангулировать в 3D-траектории для выполнения манипуляций роботом или использовать как геометрические подсказки для моделей Vision-Language-Action. Указанная лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но некоммерческое.

Сценарии применения

  • Построение траекторий манипуляции по изображениям с нескольких камер
  • Преобразование текстовой инструкции в геометрические точки движения робота
  • Подготовка 3D-траектории посредством триангуляции точек с нескольких ракурсов
  • Передача геометрических подсказок моделям Vision-Language-Action

Ограничения

Для работы требуются многовидовые RGB-наблюдения; 3D-траектории получают триангуляцией предсказанных 2D-точек. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими сценариями.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

3DWay-15B

This repository contains the 15B model checkpoint of 3DWay: Generalizing Robot Manipulation via 3D Consistent Waypoints, accepted at ECCV 2026.

This model is introduced in the paper 3DWay: Generalizing Robot Manipulation via 3D Consistent Waypoints. Code: https://github.com/ziqin-h/3DWay.

Overview

3DWay introduces 3D Consistent Waypoints, an explicit and actionable trajectory representation for robot manipulation. Given multi-view RGB observations and a language instruction, the model predicts multi-view consistent 2D waypoints, which are geometrically triangulated into 3D trajectories.

The resulting trajectories can be directly executed for manipulation tasks or used as geometric priors for foundation Vision-Language-Action (VLA) models.

Project Page

https://ziqin-h.github.io/3DWay/

Citation

@inproceedings{3dway2026,
  title     = {3DWay: Generalizing Robot Manipulation via 3D Consistent Waypoints},
  author    = {Huang, Ziqin and Li, Yingyue and Zhang, Chenyangguang and Zhang, Ruida and Chen, Yuxin and Wang, Gu and Liu, Xingyu and Tomizuka, Masayoshi and Ji, Xiangyang},
  booktitle = {European Conference on Computer Vision (ECCV)},
  year      = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура llava_llama неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaLlamaModel
Ревизия весов
c9709ea

0 моделей