/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO-Plus_Baseline

Языковая модельИзображение, текст → action

Полный чекпойнт pi0.5 для управления роботом по зрительным наблюдениям и языковым инструкциям в задачах LIBERO-Plus.

0скачиваний 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

VLADrop-pi05-LIBERO-Plus-baseline — контрольный чекпойнт модели vision-language-action для робототехники, опубликованный как часть работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Это полный pi0.5 без удалённых блоков трансформера; чекпойнт сохранён в формате openpi для PyTorch.

Модель предназначена для управления роботом по визуальным наблюдениям и языковым инструкциям в задачах LIBERO-Plus. Она служит базовой точкой сравнения для экспериментов по удалению блоков и восстановительному дообучению. Для этого чекпойнта указаны обучение на LIBERO-Plus в течение 30 тысяч шагов, размер батча 32 и скорость обучения 5e-5.

Лицензия — Apache-2.0. Практическое применение предполагает совместимый стек openpi и форк VLADrop; README описывает запуск через сервер политики пакетной обработки. Результаты за пределами задач и среды LIBERO-Plus в предоставленных данных не охарактеризованы.

Сценарии применения

  • управление роботом по визуальной сцене и текстовой инструкции
  • выполнение манипуляционных задач LIBERO-Plus
  • сравнение полной VLA-модели с вариантами после удаления блоков трансформера

Ограничения

Чекпойнт предназначен для сценариев LIBERO-Plus; поведение в других средах и задачах не описано. Для запуска требуется совместимый формат openpi и форк VLADrop.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-Plus-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 6: pi0.5 / LIBERO-Plus baseline (0/18 dropped)
Dropped blocksnone (full model)
Recovery trainingLIBERO-Plus, batch size 32, 30K steps, lr 5e-5
LIBERO-Plus success rateAverage 81.4 across 7 perturbation categories

Usage

This is an openpi-format pi0.5 checkpoint (PyTorch). Use with the VLADrop fork: https://github.com/s1ghhh/VLADrop

python scripts/serve_policy_batch_drop.py \
    --config pi05_libero_dropped \
    --dir <this_repo_local_path> \
    --port 8000

Important: the drop lists are NOT stored inside the checkpoint. Pass the exact llm_drop_attn_list / llm_drop_mlp_list shown above (via config or CLI) when serving, otherwise layers will be mismatched. assets/ contains the LIBERO norm stats. The optimizer state (train_state/) is not included.

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
3eeb836

0 моделей