/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO-Plus_Drop16Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный сокращённый чекпойнт pi0.5 для выполнения робототехнических задач LIBERO-Plus с визуальным и языковым вводом и выдачей управляющих действий.

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

Это исследовательский чекпойнт VLADrop для управления роботом, подготовленный авторами работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он основан на pi0.5 и предназначен для задач LIBERO-Plus. В языковой части PaliGemma оставлены слои 0 и 5, а 16 из 18 трансформерных блоков удалены методом GateProbe; зрительная и управляющая части не изменялись.

После сокращения модель была дообучена для восстановления качества на LIBERO-Plus: 30 тысяч шагов, размер пакета 32, скорость обучения 5e-5. Чекпойнт представлен в формате openpi для PyTorch и распространяется по лицензии Apache-2.0. README указывает на запуск через форк VLADrop; заявленные сведения описывают экспериментальную конфигурацию, а не гарантируют качество в других робототехнических средах.

Сценарии применения

  • выполнение манипуляционных задач LIBERO-Plus по визуальному наблюдению и инструкции
  • оценка влияния удаления языковых слоёв на управление роботом
  • исследование восстановления качества VLA-модели после сокращения трансформера

Ограничения

Чекпойнт адаптирован к LIBERO-Plus, а языковая часть существенно сокращена: из 18 блоков PaliGemma оставлены только два. README не сообщает результатов оценки, поэтому качество и переносимость на другие среды по этим данным определить нельзя.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-Plus-drop16-gate

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 Drop-16
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 16 whole blocks by GateProbe (LIBERO-Plus profiling); keep [0,5]. Vision and action untouched.
Recovery trainingLIBERO-Plus, batch size 32, 30K steps, lr 5e-5
LIBERO-Plus success rateAverage 68.8

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
d6f3c11

0 моделей