Дообученный чекпойнт pi0.5 для управления роботом в задачах RoboTwin 2 и инициализации обучения с подкреплением.
0скачиваний за 30 дней0лайковвеса обновлены11 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
madokalif/pi05-robotwin2-clean50-fbc-v2 — чекпойнт робототехнической модели pi0.5 для задач RoboTwin 2. Он создан на основе madokalif/pi05-robotwin2-clean50-sft (v1): модель продолжила обучение 8 тысяч шагов на clean50 и 75 успешных траекториях on-policy с повышенным весом этих траекторий. В репозитории размещены веса safetensors и статистика нормализации для ALOHA clean50.
Модель предназначена для управления роботом и как стартовый чекпойнт для обучения с подкреплением, например PPO в RLinf, а также как базовый вариант для сравнения с обычным SFT. В оценке официальным стеком openpi на 15 задачах RoboTwin 2 при 10 запусках и seed 100100 результат составил 47,3%; у версии v1 было 45,3%, и все 15 задач показали ненулевой результат.
Лицензия — Apache-2.0. Карточка описывает модель как контрольную точку pi0.5 из 812 ключей; архитектура принимает данные для роботизированного управления и выдаёт действия. Указанные результаты относятся к описанной оценочной конфигурации и не гарантируют аналогичное качество на других задачах или настройках.
Сценарии применения
инициализация PPO для управления роботом
старт RL-обучения на задачах RoboTwin 2
управление роботом в задачах набора clean50
сравнение RL-обучения с базовым SFT-чекпойнтом
Ограничения
Опубликованная оценка охватывает 15 задач RoboTwin 2 при конкретных настройках и небольшом числе запусков; перенос результата на другие задачи не подтверждён. Чекпойнт предназначен для warm-start RL и требует соответствующего стека управления и обучения роботом.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Warm-started from madokalif/pi05-robotwin2-clean50-sft (v1) and continued 8k steps on clean50 + 75 on-policy SUCCESS rollouts (x8 upweight, aloha_clean50_fbc_v1).