/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop12Block_GateProbe_FLOPsMatched

Языковая модельИзображение, текст → action

Сокращённый и дообученный вариант VLA-модели pi0.5 для управления роботом в задачах LIBERO по визуальным и языковым входам.

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_Drop12Block_GateProbe_FLOPsMatched — исследовательский чекпойнт модели vision-language-action для управления роботом в среде LIBERO. Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» путём удаления 12 блоков трансформера из предварительно обученной VLA-модели и последующего дообучения для восстановления качества. В варианте GateProbe сохранены блоки [0, 1, 2, 5, 6, 8]; чекпойнт соответствует конфигурации Drop-12 с сопоставимыми вычислительными затратами и лучшим средним результатом в указанной таблице статьи.

Модель основана на pi0.5 и предназначена для управления роботом по визуальным и языковым входам в задачах LIBERO. Это чекпойнт в формате openpi для PyTorch; для запуска README указывает форк VLADrop. Репозиторий содержит веса safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит языки интерфейса, длину контекста или количественную оценку качества; результаты зависят от среды LIBERO и соответствующей конфигурации запуска.

Сценарии применения

  • управление роботом в симуляторе LIBERO
  • выполнение манипуляционных задач по текстовой инструкции
  • управление роботом на основе изображения и языковой команды
  • исследование удаления блоков из vision-language-action моделей
  • сравнение вычислительных затрат и качества компактных VLA-чекпойнтов

Ограничения

Чекпойнт предназначен для сценариев LIBERO и требует совместимого форка VLADrop и конфигурации запуска. README не приводит численных метрик качества за пределами указания на лучший средний результат среди конфигураций таблицы 4.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-flops-drop12-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 4 'Drop-12' (FLOPs-matched; best average)
Dropped blocksLLM blocks [3,4,7,9,10,11,12,13,14,15,16,17] (GateProbe; keep [0,1,2,5,6,8])
Recovery trainingbatch size 64, 34235 steps (FLOPs-matched), lr 5e-5
LIBERO success rateSpatial 96.8 / Object 98.4 / Goal 94.4 / Long 85.0 / Avg 93.7

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
c21e6d3

0 моделей