/ 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-spatial

Изображение и текст → текст3 профессии

Дообученная версия OpenVLA 7B предсказывает действия робота по изображению и текстовой инструкции для пространственных задач в симуляторе LIBERO.

8 291скачиваний за 30 дней4лайкавеса 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-Spatial — модель OpenVLA, дообученная разработчиками проекта OpenVLA с помощью LoRA на симуляционном наборе LIBERO-Spatial. Она предназначена для управления роботом по изображению сцены и текстовой инструкции: модель предсказывает действия для выполнения пространственных задач в симуляторе LIBERO. Архитектура — плотная мультимодальная OpenVLAForActionPrediction на основе OpenVLA 7B; веса опубликованы в формате safetensors. В описании указаны ранг LoRA 32 и 50 тысяч шагов обучения.

Модель рассчитана на оценку и выполнение задач LIBERO-Spatial в симуляторе; для запуска и оценки авторы отсылают к инструкциям OpenVLA на GitHub. Лицензия — MIT. Карточка не сообщает метрики качества или подробности о применении на физических роботах.

Сценарии применения

  • управление роботом в симуляторе LIBERO по текстовой инструкции
  • предсказание действий робота по изображению сцены
  • оценка выполнения пространственных задач LIBERO-Spatial
  • эксперименты с визуально-языковым управлением роботами

Ограничения

Модель предназначена для сценариев LIBERO-Spatial; в карточке не приведены метрики качества и подтверждение работы на физических роботах.

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-Spatial

This model was produced by fine-tuning the OpenVLA 7B model via LoRA (r=32) on the LIBERO-Spatial 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
962318c

0 моделей