/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
Qwen3.5-0.8B
Библиотека
transformers
Опубликована
16 июл 2026

Qwen3.5-0.8B-FFT-libero-clap-cotrain

Языковая модельИзображение, текст → action

Дообученная мультимодальная Qwen3.5-0.8B для генерации действий робота в задачах бенчмарка LIBERO.

0скачиваний за 30 дней0лайковвеса обновлены16 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 контрольная точка VLA-0 от onnoboru: Qwen/Qwen3.5-0.8B дообучена методом полного fine-tuning на задачах бенчмарка LIBERO с использованием RoboVerse. Модель сохраняет архитектуру базовой мультимодальной VLM и представляет действия робота текстовыми токенами.

Модель предназначена для управления роботом в задачах LIBERO: она принимает визуальное и текстовое описание ситуации и генерирует последовательность действий в виде токенов. Для восстановления действий в исходном пространстве при выводе нужны статистики нормализации из файла datasetstats.pkl. Доступны финальные веса и промежуточные снимки обучения в ветках репозитория.

Веса опубликованы в формате safetensors; для загрузки указана библиотека Transformers и также поддерживается фреймворк VLA-0. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и некоммерческими ограничениями. Описание подтверждает обучение на LIBERO, но не приводит численных результатов, поэтому качество за пределами этого набора задач не установлено.

Сценарии применения

  • управление роботом в задачах LIBERO
  • генерация действий по изображению и текстовому заданию
  • воспроизведение манипуляционных сценариев бенчмарка LIBERO

Ограничения

При выводе требуется datasetstats.pkl для денормализации действий. В README нет численных оценок качества, поэтому переносимость на задачи вне LIBERO не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-0.8B-FFT-libero-clap-cotrain

VLA-0 checkpoint: Qwen/Qwen3.5-0.8B fine-tuned with Full Fine-Tuning on LIBERO benchmark tasks.

VLA-0 represents robot actions directly as text tokens — no architectural changes to the base VLM.

Trained on LIBERO (via RoboVerse).

Quick Start

1. Download

pip install huggingface_hub
huggingface-cli download onnoboru/Qwen3.5-0.8B-FFT-libero-clap-cotrain --local-dir ./Qwen3.5-0.8B-FFT-libero-clap-cotrain

2. Load with transformers

import pickle
import torch
from transformers import Qwen2_5_VLForConditionalGeneration, Qwen2_5_VLProcessor

ckpt_dir = "./Qwen3.5-0.8B-FFT-libero-clap-cotrain"

model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
    f"{ckpt_dir}/model_final", torch_dtype=torch.bfloat16, device_map="auto",
)
processor = Qwen2_5_VLProcessor.from_pretrained(f"{ckpt_dir}/model_final")

# Load dataset stats (required for action denormalization)
with open(f"{ckpt_dir}/dataset_stats.pkl", "rb") as f:
    dataset_stats = pickle.load(f)

3. Load with VLA-0 framework

from rv_train.train import get_pretrained_model

model, cfg = get_pretrained_model("./Qwen3.5-0.8B-FFT-libero-clap-cotrain", device=0)
model.eval()

dataset_stats.pkl

Action normalization statistics computed from the training dataset. Required at inference time to denormalize model outputs back to the original action space.

import pickle

with open("dataset_stats.pkl", "rb") as f:
    stats = pickle.load(f)
# stats contains mean/std for action dimensions

Intermediate Checkpoints

main holds the recommended/final weights. Earlier training-step snapshots are published as branches named step-<global_step> (e.g., step-17000, step-18000). Load any of them by passing revision=:

# Download a specific revision
huggingface-cli download onnoboru/Qwen3.5-0.8B-FFT-libero-clap-cotrain --revision step-18000 --local-dir ./Qwen3.5-0.8B-FFT-libero-clap-cotrain-step-18000

# Or load directly via transformers
Qwen2_5_VLForConditionalGeneration.from_pretrained(
    "onnoboru/Qwen3.5-0.8B-FFT-libero-clap-cotrain",
    revision="step-18000",
    subfolder="model_final",
)

See the repository branches tab for the full list.

Training Details

  • Base Model: Qwen/Qwen3.5-0.8B
  • Method: Full Fine-Tuning
  • Dataset: LIBERO (via RoboVerse)
  • Framework: VLA-0
DATALOADER:
  ROBOVERSE:
    cfg_opts: IMAGE.crop_img:0.875:IMAGE.img_size:224:IMAGE.cam_list:('3p1','3p2')
    cfg_path: libs/RoboVerse/roboverse/configs/img_libero_aug.yaml
  batch_size: 16
  distributed_sampler: false
  num_workers: 48
EXP:
  AMP: true
  DATASET: roboverse
  EXP_ID: lap_qwen3_5_08b_fft_libero_cotrain_describe_and_act_4b_5e-6_DL.num_workers_48
  LOSS: {}
  LR_SCHED: none
  MODEL: qwen
  OPTIMIZER: adamw
  SEED: 0
EXP_EXTRA:
  no_test: true
  no_track: true
  no_val: true
  save_at_steps:
  - 17000
  save_ckp: 0
  save_last_ckpt: true
  test_eval_freq: 1
  val_eval_freq: 1
LR_SCHED:
  lr_clip: 1.0e-08
  lr_decay_factor: 0.5
  lr_patience: 4
MODEL:
  QWEN:
    action_mask_aug_per: 0.4
    action_type: original
    add_vision_id: true
    attention_dropout: 0.0
    enable_thinking: true
    grad_checkpoint: true
    history: 1
    horizon: 8
    lap_action_is_absolute: false
    lap_action_pos_scale: 0.05
    lap_action_rot_scale: 0.5
    lap_emit_holds: false
    lap_rotation_precision: 1
    lap_sum_decimal: 1f
    lora_config: default
    lora_rank: 8
    num_bins_actions: 1000
    num_cam: 2
    original_action_dim: 7
    qwen_model_id: Qwen/Qwen3.5-0.8B
    reasoning: true
    rgb_img_size:
    - 224
    - 224
    rgb_input: true
    tiled_rgb_imgs: true
    use_flash_attention_2: false
    use_lora: false
    use_qlora: false
TRAIN:
  clip_grad_norm: 1.0
  l2: 1.0e-10
  lr: 5.0e-06
  num_epochs: 100
  num_iters: 20000
  save_iter_ckp: 2500
USE_COTRAIN:
  batch_size: 0
  max_answer_words: 128
  native_tile_width: 256
  num_workers: -1
  rate: 0.2
  repo_id:
  - onnoboru/libero_cotrain_4B_describe
  - onnoboru/libero_cotrain_4B_describe_and_act
WANDB:
  enable: true
  entity: ''
  log_interval: 50
  mode: online
  project: vla0-cotraining-libero
  resume_id: ''
  run_name: ''
  tags: ''


Files

FileDescription
model_final/model-*.safetensorsFull model weights
model_final/config.jsonModel configuration
model_final/tokenizer.jsonTokenizer
dataset_stats.pklAction normalization statistics (required for inference)
config.yamlTraining configuration

License

CC-BY-NC-4.0 (following the upstream VLA-0 license). Subject to Qwen License for the base model.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
9bbf41e

0 моделей