/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9Block_CosSim

Языковая модельИзображение, текст → action

Сокращённая и дообученная версия pi0.5 для управления роботом в симуляции LIBERO по визуальным наблюдениям и языковым инструкциям.

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-metric-drop9-cossim — контрольная точка модели vision-language-action для управления роботом, опубликованная как часть работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Она основана на pi0.5 с языковым модулем PaliGemma: из 18 слоёв языкового трансформера удалены 9 блоков, выбранных по метрике CosSim (Block Influence), после чего оставшаяся модель дообучена для восстановления качества. Зрительная и управляющая части модели не изменялись.

Модель предназначена для управления роботом в симуляции LIBERO на основе визуального наблюдения и инструкций на естественном языке. Контрольная точка сохранена в формате openpi и PyTorch, веса — в safetensors. Лицензия — Apache-2.0.

Это исследовательский чекпойнт для сравнения методов сокращения VLA-моделей; README приводит режим восстановления с batch size 32, 30 тыс. шагов и learning rate 5e-5. Практическое применение предполагает совместимый форк VLADrop и конфигурацию pi05_libero_dropped. Метаданные не подтверждают конкретный набор поддерживаемых языков или численное качество выполнения задач.

Сценарии применения

  • управление роботом в симуляции LIBERO
  • выполнение бытовых манипуляций по текстовой инструкции
  • сравнение способов удаления слоёв из VLA-моделей
  • оценка восстановления качества после сокращения языкового трансформера

Ограничения

Для запуска требуется совместимый форк VLADrop и конфигурация pi05_libero_dropped. README не приводит численных результатов качества этой контрольной точки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-metric-drop9-cossim

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 3: CosSim (Block Influence) (Drop-9 importance-metric comparison)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by CosSim (Block Influence); keep blocks [0,1,2,12,13,14,15,16,17]. Vision and action untouched.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial / Object / Goal / Long / Avg = 93.8 / 99.0 / 89.6 / 78.6 / 90.2

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
849a1b9

0 моделей