/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
15,1 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Библиотека
transformers
Опубликована
3 сен 2024

openvla-7b-finetuned-libero-10

Изображение и текст → текст3 профессии

OpenVLA 7B, дообученная на LIBERO-10, предсказывает действия робота по изображению и текстовой инструкции для задач манипуляции в симуляторе.

3 481скачиваний за 30 дней7лайковвеса обновлены9 окт 2024

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

OpenVLA 7B Fine-Tuned on LIBERO-10 (LIBERO-Long) — модель OpenVLA на 7 млрд параметров, дообученная разработчиками OpenVLA с помощью LoRA на данных LIBERO-10 из симуляционного робототехнического бенчмарка LIBERO. Она предназначена для предсказания действий робота по визуальному наблюдению и текстовой инструкции и применяется для выполнения и оценки манипуляционных задач в симуляторе LIBERO. Архитектура — плотная OpenVLAForActionPrediction; модель принимает изображения и текст и предсказывает действия. Для дообучения использовался LoRA с рангом 32; обучение и тестирование проводились без квантизации.

Карточка отсылает к инструкциям по запуску и оценке в репозитории OpenVLA. Модель распространяется по лицензии MIT. Описанное обучение ориентировано на LIBERO-10 (LIBERO-Long), поэтому область её подтверждённого применения — задачи этого симуляционного бенчмарка; перенос на другие среды и реальные роботы карточкой не заявлен.

Сценарии применения

  • выполнение манипуляционных задач LIBERO-Long в симуляторе
  • предсказание действий робота по визуальному наблюдению и текстовой инструкции
  • оценка робототехнической политики на бенчмарке LIBERO-10

Ограничения

Дообучение выполнено на задачах LIBERO-10 (LIBERO-Long); качество за пределами этого симуляционного бенчмарка не установлено по карточке. Для запуска и оценки предлагается использовать симулятор LIBERO.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OpenVLA 7B Fine-Tuned on LIBERO-10 (LIBERO-Long)

This model was produced by fine-tuning the OpenVLA 7B model via LoRA (r=32) on the LIBERO-10 (LIBERO-Long) dataset from the LIBERO simulation benchmark. We made a few modifications to the training dataset to improve final performance (see the OpenVLA paper for details).

Below are the hyperparameters we used for all LIBERO experiments:

  • Hardware: 8 x A100 GPUs with 80GB memory
  • Fine-tuned with LoRA: use_lora == True, lora_rank == 32, lora_dropout == 0.0
  • Learning rate: 5e-4
  • Batch size: 128 (8 GPUs x 16 samples each)
  • Number of training gradient steps: 80K
  • No quantization at train or test time
  • No gradient accumulation (i.e. grad_accumulation_steps == 1)
  • shuffle_buffer_size == 100_000
  • Image augmentations: Random crop, color jitter (see training code for details)

Usage Instructions

See the OpenVLA GitHub README for instructions on how to run and evaluate this model in the LIBERO simulator.

Citation

BibTeX:

@article{kim24openvla,
    title={OpenVLA: An Open-Source Vision-Language-Action Model},
    author={{Moo Jin} Kim and Karl Pertsch and Siddharth Karamcheti and Ted Xiao and Ashwin Balakrishna and Suraj Nair and Rafael Rafailov and Ethan Foster and Grace Lam and Pannag Sanketi and Quan Vuong and Thomas Kollar and Benjamin Burchfiel and Russ Tedrake and Dorsa Sadigh and Sergey Levine and Percy Liang and Chelsea Finn},
    journal = {arXiv preprint arXiv:2406.09246},
    year={2024}
} 

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OpenVLAForActionPrediction
Ревизия весов
8097032

0 моделей