/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
12,9 ГБ
Лицензия
MIT
Архитектура
openvla · dense
Опубликована
10 июл 2026

VLADrop_OpenVLA-OFT_LIBERO_Drop16MHA_Uniform

Изображение и текст → текст3 профессии

Прореженный и восстановительно дообученный чекпойнт OpenVLA-OFT для управления роботом по зрительным наблюдениям и языковым инструкциям в бенчмарке LIBERO.

9скачиваний 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 Drop16MHA Uniform — чекпойнт из работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Модель основана на OpenVLA-OFT и предназначена для управления роботом по визуальным наблюдениям и языковым инструкциям в задачах LIBERO.

В чекпойнте удалены MHA-подслои в 16 нечётных блоках 32-слойной основы Llama 2, а MLP-подслои сохранены. После этого уменьшенная плотная модель прошла восстановительное дообучение с LoRA ранга 32; адаптер объединён с весами. Конфигурация содержит списки удалённых слоёв, чтобы при оценке автоматически восстановить прореженный граф. Для запуска требуется модифицированная библиотека transformers-openvla-oft-dropped.

Модель рассчитана на эксперименты и оценку управления роботом в бенчмарке LIBERO; описанная команда запускает случайную оценку на наборе libero_spatial. Репозиторий распространяется по лицензии MIT. Карточка не приводит измерений качества, поэтому нельзя заключить, как прореживание повлияло на успешность выполнения задач.

Сценарии применения

  • оценка выполнения роботизированных задач LIBERO Spatial
  • исследование влияния удаления attention-слоёв на качество VLA-модели
  • управление роботом по изображению и текстовой инструкции
  • сравнение прореженных чекпойнтов OpenVLA-OFT

Ограничения

Для запуска требуется модифицированная библиотека transformers-openvla-oft-dropped. В карточке не приведены метрики качества или результаты оценки, поэтому эффективность чекпойнта относительно исходной модели не установлена.

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-mha-only

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 2: OpenVLA-OFT MHA (granularity study)
Dropped blocksLlama-2 backbone (32 layers): drop only the MHA sublayers of the 16 odd-indexed blocks [1,3,5,...,31]. MLP sublayers kept.
Recovery trainingLoRA rank 32 (merged), batch size 16, 50K steps, lr 5e-4
LIBERO success rateSpatial 95.0 / Object 99.2 / Goal 99.2 / Long 76.4 / Avg 91.9

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
3015b90

0 моделей