/ 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-object

Изображение и текст → текст3 профессии

Модель OpenVLA 7B, дообученная на LIBERO-Object для предсказания действий робота по изображению сцены и текстовой инструкции.

2 595скачиваний за 30 дней2лайкавеса 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-Object — модель OpenVLA, дообученная разработчиками проекта OpenVLA с помощью LoRA на наборе LIBERO-Object из симуляционного бенчмарка LIBERO. Она предназначена для управления роботом: по изображению сцены и текстовой инструкции модель предсказывает действия для выполнения манипуляционных задач с объектами в симуляторе. В основе — плотная архитектура OpenVLAForActionPrediction; модель использует зрение и текст и выдаёт действия. Обучение проводилось с LoRA ранга 32 в течение 50 тысяч шагов; квантирование не применялось.

Модель подходит для оценки и выполнения задач LIBERO-Object в симуляторе. Карточка описывает обучение и направляет к инструкциям запуска и оценки в LIBERO, но не приводит длину контекста или подробности о представлении выходных действий. Лицензия — MIT.

Сценарии применения

  • выполнение задач манипуляции объектами в симуляторе LIBERO
  • предсказание действий робота по изображению и инструкции
  • оценка управления роботом на бенчмарке LIBERO-Object

Ограничения

Карточка ориентирует применение на задачи LIBERO-Object в симуляторе; перенос на другие задачи и реальные роботы не описан. Формат выходных действий и длина контекста в предоставленных данных не приведены.

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-Object

This model was produced by fine-tuning the OpenVLA 7B model via LoRA (r=32) on the LIBERO-Object 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: 50K
  • 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
287d6cf

0 моделей