Характеристики

Контекст: 262 144 токена
Размер весов: 25,5 ГБ
Архитектура: lingbotvla · dense
Базовая модель: lingbot-vla-v2-6b
Опубликована: 21 июл 2026

Ссылки

lingbot-vla-v2-g1-lift-500

Языковая модельИзображение, текст → action3 профессии

Дообученная LingBot-VLA модель управляет двуручным подъёмом коробки со стола роботом Unitree G1 по изображению, состоянию робота и текстовому заданию.

14скачиваний за 30 дней0лайковвеса обновлены21 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

LingBot-VLA-2.0-6B · G1 bimanual box lift — дообученная модель зрительно-языкового управления роботом на базе robbyant/lingbot-vla-v2-6b. Она предназначена для управления двуручным подъёмом коричневой коробки со стола на роботе Unitree G1 с 29 степенями свободы. В симуляции MuJoCo модель обучалась на 200 демонстрациях, созданных скриптовым учителем, и показала успех в 29 из 32 замкнутых испытаний на шаге обучения 500.

Модель принимает текстовое задание, изображение с камеры 256×256 и состояние робота: углы 29 суставов, 14 нулевых каналов кистей и проекцию гравитации. На частоте 10 Гц она выдаёт порции действий с абсолютными целями для суставов рук, нулевыми командами кистям и почти нулевым движением основания. Ноги политикой не управляются, каналы пальцев Dex3 не используются; захват выполняется сжатием ладонями.

Обучение проводилось только на изображениях из MuJoCo, поэтому реальные изображения камеры могут отличаться от обучающих, а качество при прямом переносе на аппаратное обеспечение ожидается ниже. Для надёжного применения на реальном роботе README рекомендует дообучение на реальных телеоперационных демонстрациях. Лицензия в предоставленных данных не указана.

Сценарии применения

подъём коричневой коробки со стола двумя руками в симуляции MuJoCo
управление движениями рук Unitree G1 по изображению с камеры
генерация последовательностей суставных команд для захвата ладонями
исследование переноса зрительно-языковой политики на реального робота после дообучения

Ограничения

Модель обучалась только на изображениях из MuJoCo, поэтому входы с реальной камеры отличаются от обучающих и качество переноса на аппаратное обеспечение ожидается сниженным; README рекомендует дообучение на реальных телеоперационных демонстрациях. Политика не управляет 12 степенями свободы ног и не использует каналы пальцев Dex3.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LingBot-VLA-2.0-6B · G1 bimanual box lift (`g1_lift_ft`, step 500)

Post-train of robbyant/lingbot-vla-v2-6b on 200 scripted-teacher demonstrations of a Unitree G1 (29-DoF, stock hands) lifting a brown box off a table with a bimanual palm squeeze, collected in MuJoCo on the live SONIC whole-body controller. 91% closed-loop success in sim (29/32 seeds) at this first checkpoint (global_step_500, ~2.9 epochs-equivalent of the 256 global-batch recipe).

Trained and evaluated as part of the Before the Drop project: https://github.com/microagi-collab/before-the-drop — see vla/lingbot/README.md there for the full serve/deploy runbook and vla/lingbot/TELEOP_POSTTRAIN.md for fine-tuning on real teleop demos.

Serve

hf download parvkp/lingbot-vla-v2-g1-lift-500 --local-dir ~/ckpts/g1_lift_500
cd ~/lingbot-vla-v2 && \
QWEN3VL_PATH=~/lingbot_models/Qwen3-VL-4B-Instruct HF_HUB_OFFLINE=1 \
.venv/bin/python -m deploy.lingbot_vla_v2_policy \
    --model_path ~/ckpts/g1_lift_500 \
    --use_length 8 --use_compile false --port 8000

Requires the lingbot-vla-v2 serving repo with the g1_lift robot config (configs/robot_configs/g1_lift.yaml) and norm stats (assets/norm_stats/g1_lift.json) in place — both version-controlled in the GitHub repo above.

I/O contract (10 Hz)

observation.state (46) = 29 joint q (Unitree firmware motor order) + 14 hand slots (zeros) + projected gravity (3, pelvis frame)
observation.images.ego_view (256×256×3 u8) — fixed third-person camera ~3 m out / 1.7 m high, front-right of the robot
task = "Pick up the brown box from the table."
action (chunked, 31) = absolute arm joint targets (14) + hand (14, zeros) + base_motion (3, ~0)

Honest limitations

Trained entirely on MuJoCo renders with a SONIC-anchored base: real-world camera input is out of distribution and zero-shot hardware performance is expected to be degraded — fine-tune on real teleop demos before relying on it (pipeline in the GitHub repo). The 12 leg DoF are not controlled by this policy; Dex3 finger channels are unused (the grasp is an arm-driven palm squeeze).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Класс архитектуры: LingbotVlaV2Policy
Ревизия весов: a866954