/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Baseline

Языковая модельИзображение, текст → action

Полный чекпойнт pi0.5, дообученный для управления роботом в бенчмарке LIBERO и служащий базовой моделью в исследовании Drop-Then-Recovery.

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-Baseline — контрольный чекпойнт модели vision-language-action для эксперимента Drop-Then-Recovery о сокращении числа блоков в VLA-моделях. В этой версии блоки трансформера не удалялись: это полный вариант pi0.5, дообученный от pi05_base на LIBERO. В карточке указаны 30 тысяч шагов полного дообучения, размер батча 32 и скорость обучения 5e-5 с 10 тысячами шагов разогрева.

Модель предназначена для управления роботом в задачах LIBERO на основе визуальных и языковых входов. Чекпойнт сохранён в формате openpi для PyTorch, веса — в safetensors. Лицензия — Apache-2.0. Данных о длине контекста и поддерживаемых естественных языках в предоставленных материалах нет.

Сценарии применения

  • управление роботом в задачах LIBERO по изображению и языковой инструкции
  • сравнение компактных VLA-моделей с полной базовой версией
  • воспроизведение экспериментов Drop-Then-Recovery

Ограничения

Чекпойнт предназначен для исследовательских экспериментов и сценариев LIBERO; сведений о качестве на других задачах в карточке нет.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-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 1 / Table 7: pi0.5 baseline (0/18 dropped)
Dropped blocksnone (full model)
Recovery trainingbatch size 32, 30K steps, lr 5e-5 (10K warmup), full fine-tuning from pi05_base
LIBERO success rateSpatial 96.6 / Object 95.0 / Goal 93.0 / Long 82.0 / Avg 91.7 (500 episodes per suite)

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
a2e497f

0 моделей