Характеристики

Базовая модель: MolmoAct2-SO100_101
Библиотека: lerobot
Опубликована: 6 июл 2026

Ссылки

Hugging Face

molmoact2_block_stack_so101_quantile_12k

pravsels

Языковая модельИзображение, текст → action3 профессии

Промежуточный чекпойнт MolmoAct2 для управления манипулятором SO-100/101 при складывании блоков.

11скачиваний за 30 дней0лайковвеса обновлены6 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

Модель pravsels/molmoact2_block_stack_so101_quantile_12k — промежуточный чекпойнт MolmoAct2, дообученный на задаче складывания блоков для манипулятора SO-100/101. Она предназначена для управления роботом по изображениям, состоянию робота и текстовым инструкциям; модель инициализирована из allenai/MolmoAct2-SO100_101 и обучена на наборе villekuosmanen/armnetbench_block_stack. Это вариант action-expert-only с нормализацией действий по квантилям q01/q99.

В репозитории находится чекпойнт шага 12 000; обучение до 30 000 шагов продолжалось на Isambard. Для загрузки используется библиотека LeRobot. Лицензия в предоставленных данных не указана.

Сценарии применения

управление манипулятором SO-100/101 при складывании блоков
выполнение роботизированной задачи block_stack по визуальному наблюдению
исследование политики управления роботом на промежуточном чекпойнте
дообучение политики MolmoAct2 на задачах манипуляции

Ограничения

Это промежуточный чекпойнт на шаге 12 000, тогда как обучение планировалось до 30 000 шагов; качество финальной версии из этих данных не следует. Данные не сообщают лицензию.

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.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

molmoact2_block_stack_so101_quantile_12k

Fine-tuned MolmoAct2 (action-expert-only) on block_stack with QUANTILES normalization (q01/q99). Intermediate checkpoint at step 12000 while 30k training continues on Isambard.


Policy	MolmoAct2 (`policy.type=molmoact2`)
Init checkpoint	allenai/MolmoAct2-SO100_101
Dataset	villekuosmanen/armnetbench_block_stack
Task	`block_stack`
Local run	`molmoact2_block_stack_so101_quantile`
Checkpoint step	`012000` (12k / 30k target)
Normalization	QUANTILES (action + state + gripper), IDENTITY (visual)
Training	Isambard GH200, batch 64 (16/GPU x 4 DDP), bf16, no gradient checkpointing

Checkpoints

Step 012000 lives at the repository root for direct loading.

Usage

from lerobot.policies.molmoact2.modeling_molmoact2 import MolmoAct2Policy
policy = MolmoAct2Policy.from_pretrained("pravsels/molmoact2_block_stack_so101_quantile_12k")

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: 8de82bd