Модель на базе Qwen2.5-VL-3B преобразует изображение и инструкцию в 7-DoF действие робота для задачи Lift в FLock AI Arena.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
FLock Robotics VLA — модель vision-language-action для робототехнической задачи FLock AI Arena. Она объединяет адаптированную и слитую с весами базовой модели Qwen2.5-VL-3B-Instruct визуально-языковую основу и MLP-голову действий; общий размер составляет около 4,06 млрд параметров. Модель принимает изображение с камеры agentview и текстовую инструкцию, а затем выдаёт действие для робота с 7 степенями свободы. Обучение методом поведенческого клонирования проводилось на скриптовых траекториях robosuite Lift. Для загрузки политики README описывает интерфейс `load_policy(...).act(obs)`.
Модель предназначена для выполнения роботизированной задачи Lift в рамках FLock AI Arena. В метаданных указана библиотека Transformers и формат весов safetensors; лицензия — Apache-2.0. Карточка не сообщает о поддержке других робототехнических задач или языков инструкций.
Обучение описано только для скриптовых траекторий robosuite Lift, поэтому карточка не подтверждает пригодность для других задач или реальных роботов. Указан интерфейс действия с 7 степенями свободы; иные выходы не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Vision-language-action policy for the FLock AI Arena robotics task. A frozen Qwen2.5-VL-3B-Instruct backbone (LoRA-adapted, merged) with an MLP action head, behaviour-cloned on scripted robosuite Lift trajectories.
flock_robotics_adapter.py exposes load_policy(model_dir, device, dtype) returning a policy whose act(obs) maps an agentview image + instruction to a 7-DoF action. ~4.06B parameters (under the 7B validator cap).
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Модели для роботов не запускаются как сервис инференса.