/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
10 июл 2026

Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b

Языковая модельИзображение, текст → action

Дообученная на задачах LIBERO модель VLA-0 для управления роботом UR5e, которая кодирует действия в виде текстовых токенов.

0скачиваний за 30 дней0лайковвеса обновлены10 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

onnoboru подготовил чекпойнт VLA-0 на основе Qwen/Qwen3.5-4B, дообученный полным fine-tuning на задачах бенчмарка LIBERO для робота UR5e в RoboVerse. Модель использует архитектуру базовой мультимодальной модели без изменений и представляет действия робота текстовыми токенами; её задача — получать входные данные для управления роботом и выдавать последовательность действий.

Для применения при выводе требуется файл datasetstats.pkl со статистикой нормализации: она нужна, чтобы преобразовать выходы модели обратно в исходное пространство действий. Репозиторий содержит полные веса в формате safetensors и токенизатор. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

  • генерация действий UR5e для задач бенчмарка LIBERO
  • управление роботом UR5e в среде RoboVerse
  • восстановление выходов модели в пространство действий с помощью статистики нормализации датасета

Ограничения

Для денормализации выходов при инференсе требуется datasetstats.pkl. Модель обучена для UR5e на задачах LIBERO; коммерческое использование ограничено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b

VLA-0 checkpoint: Qwen/Qwen3.5-4B 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 UR5e (RoboVerse).

Quick Start

1. Download

pip install huggingface_hub
huggingface-cli download onnoboru/Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b --local-dir ./Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b

2. Load with transformers

import pickle
import torch
from transformers import Qwen2_5_VLForConditionalGeneration, Qwen2_5_VLProcessor

ckpt_dir = "./Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b"

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("./Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b", 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/Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b --revision step-18000 --local-dir ./Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b-step-18000

# Or load directly via transformers
Qwen2_5_VLForConditionalGeneration.from_pretrained(
    "onnoboru/Qwen3.5-4B-FFT-UR5e-clap-cotrain-4b",
    revision="step-18000",
    subfolder="model_final",
)

See the repository branches tab for the full list.

Training Details

  • Base Model: Qwen/Qwen3.5-4B
  • Method: Full Fine-Tuning
  • Dataset: UR5e (RoboVerse)
  • Framework: VLA-0
DATALOADER:
  ROBOVERSE:
    cfg_opts: IMAGE.crop_img:0.9:IMAGE.img_size:224:IMAGE.cam_list:('3p1','wrist_right1')
    cfg_path: libs/RoboVerse/roboverse/configs/ur5e_cluttered_pick_3obj_120.yaml
  batch_size: 8
  num_workers: 8
EXP:
  AMP: true
  DATASET: roboverse
  EXP_ID: lap_qwen3_5_4b_fft_ur5e_cluttered_pick_3obj_new_cotrain_4b
  LOSS: {}
  LR_SCHED: none
  MODEL: qwen
  OPTIMIZER: adamw
  SEED: 0
EXP_EXTRA:
  no_test: true
  no_track: true
  no_val: true
  save_at_steps:
  - 8000
  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: true
    lap_action_pos_scale: 1.0
    lap_action_rot_scale: 1.0
    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/Qwen3.5-4B
    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: 0.0
  l2: 1.0e-10
  lr: 1.0e-05
  num_epochs: 100
  num_iters: 16000
  save_iter_ckp: 2500
USE_COTRAIN:
  batch_size: 0
  native_tile_width: 0
  num_workers: -1
  rate: 0.2
  repo_id:
  - onnoboru/ur5e_cluttered_pick_3obj_new_4B_describe_and_act
  - onnoboru/ur5e_cluttered_pick_3obj_new_4B_describe
WANDB:
  enable: true
  entity: ''
  log_interval: 50
  mode: online
  project: vla0-cotraining
  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
9bde691

0 моделей