Характеристики

Базовая модель: MolmoAct2
Библиотека: lerobot
Опубликована: 7 июл 2026

Ссылки

Hugging Face

molmoact2_block_stack_quantile_norm_fix_25k

pravsels

Языковая модельИзображение, текст → action3 профессии

Дообученная на данных SO101 модель MolmoAct2 для управления роботом при складывании блоков.

12скачиваний за 30 дней0лайковвеса обновлены7 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

Это дообученная модель MolmoAct2 для выполнения задачи складывания блоков роботом SO101. Модель разработана на основе контрольной точки allenai/MolmoAct2 и обучена только для компонента action-expert на данных armnetbench_block_stack; опубликована контрольная точка после 25 000 шагов обучения. MolmoAct2 — vision-language-action модель Ai2, которая использует визуальные наблюдения и языковые инструкции для управления роботом.

Модель предназначена для экспериментов и настройки управления роботом при складывании блоков. В репозитории представлены веса в формате safetensors и файлы пред- и постобработки политики. Лицензия в предоставленных данных не указана.

Сценарии применения

управление роботом SO101 при складывании блоков
обучение политики манипуляции блоками по визуальным наблюдениям
эксперименты с vision-language-action управлением роботом

Ограничения

Дообучение ориентировано на складывание блоков с роботом SO101 и данными конкретного набора; перенос на другие задачи и конфигурации робота не подтверждён. Лицензия в предоставленных данных не указана.

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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели IV.7Отраслевые задачиЦепочки поставок, склады, логистика и международная торговляAI помогает планировать сеть поставок, склады, перевозки и международное движение товаров.42 задачи392модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

molmoact2_block_stack_quantile_norm_fix_25k

Fine-tuned MolmoAct2 (action-expert-only) for block_stack on SO101 data.


Policy	MolmoAct2 (`policy.type=molmoact2`)
Init checkpoint	allenai/MolmoAct2
Dataset	villekuosmanen/armnetbench_block_stack
Task	`block_stack`
Action dim	6 (single-arm)
Cameras	`top`, `wrist`, `front`
Training	25k steps, QUANTILES norm, freeze, batch 32 global, Isambard GH200
Prior HF repo	pravsels/molmoact2_block_stack
W&B project	molmoact2_block_stack_quantile_norm_fix_25k
W&B run	pir9oxln

Checkpoints

The checkpoint (local step 025000, 25k training steps) lives at the repository root for direct loading.

Verification

| Checkpoint step | 025000 | | Source path | checkpoints/025000/pretrained_model/ | | model.safetensors | 10,884,573,720 bytes, sha256 e4f71871567b158cecdc5762dc90f0fff98aa79087141754e7cb6d87bc928ea3 | | policy_preprocessor.json | 2,495 bytes, sha256 e7c8b8293cb0265a01f83278033272efcb21b4c7bfb031cfbd683ed74ee7b139 | | policy_postprocessor.json | 757 bytes, sha256 6dbed1e1ec69e8c50f3a04c1f144a54231e3ef508f15fd7896ead43ea645b033 | | train_config.json | 8,257 bytes, sha256 3373d72a00976be8d2faf88869a84d67ba0852287d9305dc0f008419b65788c2 |

Verify after download:

sha256sum model.safetensors
# expected: e4f71871567b158cecdc5762dc90f0fff98aa79087141754e7cb6d87bc928ea3

Usage

from lerobot.policies.molmoact2.modeling_molmoact2 import MolmoAct2Policy
policy = MolmoAct2Policy.from_pretrained("pravsels/molmoact2_block_stack_quantile_norm_fix_25k")

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов: d9bbc8f