/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
openpi
Опубликована
19 июл 2026

cspi0_libero

Языковая модельИзображение, текст → action

CSPi0 — дообученный на π₀ робототехнический prior для задач LIBERO, предназначенный для последующей настройки с подкреплением через управление шагом диффузии.

0скачиваний за 30 дней0лайковвеса обновлены19 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

CSPi0 — Context-Smoothed π₀ — это предварительно обученная политика для симуляционного бенчмарка LIBERO, опубликованная как чекпойнт экспериментов по работе TMRL. Она основана на π₀ и дообучена с архитектурой context smoothing и модуляцией шага диффузии, которым можно управлять при инференсе. Такой prior предназначен для последующей тонкой настройки с подкреплением: высокоуровневая политика TMRL меняет шаг денойзинга, чтобы эффективнее исследовать среду LIBERO.

Модель рассчитана на робототехнические задачи в симуляции и используется с кодовой базой TMRL; в репозитории приведены веса safetensors и статистики нормализации. Лицензия — Apache-2.0. Конкретные параметры архитектуры, размер модели, поддерживаемые языки и входные сенсорные данные в карточке не описаны.

Сценарии применения

  • тонкая настройка робототехнической политики с подкреплением в LIBERO
  • исследование эффективного исследования симуляционной среды роботом
  • управление шагом денойзинга политики π₀ на этапе инференса

Ограничения

Чекпойнт предназначен для использования с кодовой базой TMRL и бенчмарком LIBERO; README указывает, что состояние оптимизатора отсутствует.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CSPi0 — LIBERO Context-Smoothed π₀ Prior

Context-smoothed π₀ (CSPi0) policy prior for the LIBERO simulation benchmark. This is the pretrained prior used for the LIBERO experiments in TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning (paper).

"Context smoothing" finetunes π₀ with a timestep-modulated (CSPi0) architecture, so the diffusion timestep can be steered at inference time. This is what enables sample-efficient RL finetuning (TMRL) on top of the prior — the high-level RL policy modulates the prior's denoising timestep as its action.

Format

PyTorch checkpoint:

  • model.safetensors — π₀ weights
  • metadata.pt — checkpoint metadata
  • assets/ — normalization statistics

The optimizer state is not included (inference/RL-finetuning only).

Usage

Use with the TMRL codebase. Download into checkpoints/, then run high-level RL on LIBERO:

hf download matthewh6/cspi0_libero --repo-type model --local-dir checkpoints/cspi0_libero

# libero-90 (timestep-modulated RL / TMRL)
python3 sac_libero.py dataset=libero_90 method=tmrl ckpt=cspi0_libero

# libero-goal
python3 sac_libero.py dataset=libero_goal perturbation=task method=tmrl ckpt=cspi0_libero

ckpt=cspi0_libero is mapped to the CSPi0 architecture by tmrl/utils/common.py:load_pi0_model. See the TMRL repo for full environment setup.

Citation

@inproceedings{hong2026tmrl,
    title  = {TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning},
    author = {Hong, Matthew M. and Zhang, Jesse and Nagabandi, Anusha and Gupta, Abhishek},
    booktitle = {Robotics: Science and Systems (RSS)},
    year   = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · openpi

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
5092ecb

0 моделей