/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
11,9 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Опубликована
10 июл 2026

VLADrop_OpenVLA-OFT_LIBERO_Baseline

Изображение и текст → текст3 профессии

Полный дообученный чекпойнт OpenVLA-OFT для предсказания действий робота по изображениям и проприоцептивным данным в задачах LIBERO.

21скачиваний за 30 дней0лайковвеса обновлены12 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

VLADrop-OpenVLA-OFT-LIBERO-baseline — полный чекпойнт OpenVLA-OFT для управления роботом в задачах LIBERO и базовая точка сравнения в исследовании Drop-Then-Recovery. Модель принимает изображения и проприоцептивные данные робота и предсказывает действия. В этом варианте блоки трансформера не удалены; чекпойнт прошёл восстановительное дообучение с LoRA ранга 32, веса адаптера объединены с основной моделью. Конфигурация сохраняет списки блоков для восстановления графа модели при оценке.

Чекпойнт предназначен для запуска и оценки задач LIBERO, включая сценарии libero_spatial. Модель относится к архитектуре OpenVLA и vision-language-action; репозиторий содержит веса в формате safetensors. Лицензия — MIT. Для запуска автор указывает модифицированную версию Transformers, поэтому стандартная конфигурация библиотеки может быть несовместима.

Сценарии применения

  • оценка управления роботом в задачах LIBERO
  • предсказание действий по изображениям с учётом проприоцепции
  • воспроизведение базового результата OpenVLA-OFT в исследовании DTR

Ограничения

Для запуска требуется модифицированная библиотека transformers-openvla-oft-dropped. README не приводит размер модели, длину контекста или перечень поддерживаемых естественных языков.

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-OpenVLA-OFT-LIBERO-baseline

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 1 / Table 7: OpenVLA-OFT baseline (0/32 dropped)
Dropped blocksnone (full model)
Recovery trainingLoRA rank 32 (merged), L1 regression, 2 input images + proprio, batch size 16, 50K steps, lr 5e-4
LIBERO success rateSpatial 97.2 / Object 98.4 / Goal 95.6 / Long 88.6 / Avg 95.0

Usage

Merged full-weight OpenVLA-OFT checkpoint. The drop lists are baked into config.json (text_config.drop_attn_list / drop_mlp_list), so evaluation reconstructs the pruned graph automatically. Requires the VLADrop modified transformers (transformers-openvla-oft-dropped) from https://github.com/s1ghhh/VLADrop

python -m experiments.robot.libero.run_libero_eval_random_dropped \
    --pretrained_checkpoint <this_repo_local_path> \
    --task_suite_name libero_spatial \
    --num_trials_per_task 50 --center_crop True

Includes action_head--*.pt and proprio_projector--*.pt (L1 regression head, 2 input images + proprio).

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 нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OpenVLAForActionPrediction
Ревизия весов
b207fbb

0 моделей