/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO-Plus_Drop17Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный чекпойнт pi0.5 с сокращённой языковой частью PaliGemma для управления роботом 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_Drop17Block_GateProbe — чекпойнт модели vision-language-action для управления роботом в задачах LIBERO-Plus. Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» на основе pi0.5: из языковой части PaliGemma оставлен один блок из 18, а остальные 17 удалены; зрительная и управляющая части не изменялись. После удаления блоков модель дообучили для восстановления качества на LIBERO-Plus в течение 30 тысяч шагов с размером пакета 32 и скоростью обучения 5e-5.

Чекпойнт сохранён в формате openpi для PyTorch и распространяется в формате safetensors. Он предназначен для экспериментов с компактными VLA-политиками и выполнения роботизированных задач LIBERO-Plus. Значительное сокращение языковой части — ключевой предмет этого варианта; карточка не приводит количественных оценок качества или подробностей о входном интерфейсе. Лицензия — Apache-2.0.

Сценарии применения

  • выполнение роботизированных задач из набора LIBERO-Plus
  • изучение влияния удаления языковых блоков на качество VLA-политики
  • сравнение исходной и сокращённой модели pi0.5
  • эксперименты с восстановительным дообучением компактной робототехнической модели

Ограничения

Удалены 17 из 18 блоков языковой части, что существенно меняет модель; README не приводит количественных оценок качества. Чекпойнт рассчитан на использование с форком VLADrop.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-Plus-drop17-keep0

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-17
Dropped blocksLanguage backbone (PaliGemma, 18 layers): keep block 0 only, drop the other 17. Vision and action untouched.
Recovery trainingLIBERO-Plus, batch size 32, 30K steps, lr 5e-5
LIBERO-Plus success rateAverage 68.0

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
c783f9f

0 моделей