/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
16,8 ГБ
Опубликована
10 июл 2026

VLADrop_LingbotVLA_LIBERO_Drop18Block_Uniform

Языковая модельИзображение, текст → action3 профессии

Сокращённый и дообученный чекпойнт Lingbot-VLA для выполнения задач управления роботом в LIBERO.

9скачиваний за 30 дней0лайковвеса обновлены10 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 исследовательский чекпойнт VLADrop для управления роботом в задачах LIBERO. Он получен из Lingbot-VLA удалением 18 из 36 блоков Qwen2.5-VL, а затем дообучен для восстановления качества после сокращения модели. В удалённых блоках были attention- и MLP-компоненты; обучение восстановления проводилось 50 тысяч шагов с размером пакета 16 и скоростью обучения 5e-5.

Модель предназначена для выполнения задач робототехники в связке зрения, языка и действий. Чекпойнт опубликован в формате Hugging Face с весами safetensors; для запуска README указывает код VLADrop и токенизатор Qwen2.5-VL-3B-Instruct. Количественные результаты и полный перечень ограничений в предоставленных материалах не описаны. Лицензия не указана в доступных данных.

Сценарии применения

  • выполнение роботизированных задач LIBERO по визуальному наблюдению и языковой инструкции
  • оценка влияния удаления блоков VLA-модели на управление роботом
  • эксперименты по восстановительному дообучению компактных VLA-моделей

Ограничения

Чекпойнт зависит от кода VLADrop и токенизатора Qwen2.5-VL-3B-Instruct; предоставленная карточка не сообщает количественные результаты оценки. Лицензия в доступных данных не указана.

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

VLADrop-LingbotVLA-LIBERO-drop-half

Checkpoint for Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?.

DTR (Drop-Then-Recovery) removes transformer blocks from a pretrained VLA model and recovery-fine-tunes the smaller dense model. Code: https://github.com/s1ghhh/VLADrop

This checkpoint

Paper rowTable 7: Lingbot-VLA Drop Half (18/36 dropped)
Dropped blocksVLM (Qwen2.5-VL) blocks [1,3,5,...,35] (all odd-indexed; attn+mlp)
Recovery trainingbatch size 16, 50K steps, lr 5e-5
LIBERO success rateSpatial 85.6 / Object 97.0 / Goal 84.2 / Long 67.8 / Avg 83.7

Usage

Lingbot-VLA HF-format checkpoint. Use with the VLADrop lingbot-vla code (https://github.com/s1ghhh/VLADrop): serve with python -m deploy.lingbot_libero_policy --model_path <this_repo_local_path> --port 8200 --use_length 8 then run experiment/libero/libero/run_libero_eval.py --model_family instruct_vla. Requires the Qwen2.5-VL-3B-Instruct tokenizer (env QWEN25_PATH). The drop lists are recorded in the model config produced at export time.

Citation

@article{sun2026vladrop,
  title={Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?},
  author={Sun, Guoheng and Feng, Kaixi and He, Shwai and Gong, Xiaochuan and He, Yexiao and Wang, Ziyao and Shen, Zheyu and Ye, Wanghao and Kompella, Ramana Rao and Liu, Gaowen and Li, Ang},
  journal={arXiv preprint arXiv:2606.27755},
  year={2026}
}

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.

Ревизия весов
e126ec7

0 моделей