/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
8,6 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Опубликована
10 июл 2026

VLADrop_OpenVLA-OFT_LIBERO_Drop16Block_Uniform

Изображение и текст → текст3 профессии

Сжатая и восстановительно дообученная версия OpenVLA-OFT для предсказания действий робота по изображению и языковой инструкции в задачах LIBERO.

20скачиваний 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-DTR16 — контрольная точка OpenVLA-OFT для управления роботом, подготовленная авторами работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Из модели удалены нечётные блоки декодера Llama 2 с индексами от 1 до 31, после чего уменьшенная плотная модель прошла восстановительное дообучение с LoRA ранга 32, объединённой с основными весами. В README для варианта DTR-16 указано ускорение выполнения задач в 1,64 раза.

Модель предназначена для предсказания действий робота по визуальному наблюдению и языковой инструкции в задачах LIBERO. Граф после удаления блоков восстанавливается по параметрам в config.json; для оценки требуется модифицированная библиотека transformers-openvla-oft-dropped. Репозиторий распространяется с лицензией MIT.

Сценарии применения

  • управление роботом по визуальному наблюдению и текстовой инструкции
  • оценка предсказания роботизированных действий на задачах LIBERO
  • эксперименты по удалению блоков из vision-language-action моделей

Ограничения

Для оценки требуется модифицированная версия transformers-openvla-oft-dropped. README приводит ускорение 1,64 раза для указанного варианта DTR-16, но не сообщает подробностей о качестве модели после сжатия.

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-DTR16

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 'Drop Half Language' / Table 2 'Block' / Table 5 'DTR-16' (1.64x task speedup)
Dropped blocksLlama-2 decoder blocks [1,3,5,...,31] (all odd-indexed; whole blocks, baked into config.json)
Recovery trainingLoRA rank 32 (merged), batch size 16, 50K steps, lr 5e-4
LIBERO success rateSpatial 99.0 / Object 100.0 / Goal 97.8 / Long 96.4 / Avg 98.3; LIBERO-Goal speed benchmark: SR 100.0, 1.56x action speedup, 8.36 GB

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
84304f3

0 моделей