/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9Block_GateProbe

Языковая модельИзображение, текст → action

Уменьшенная дообученная VLA-модель pi0.5 для управления роботом в задачах LIBERO и исследования влияния удаления слоёв.

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 контрольная точка модели vision-language-action pi0.5 для управления роботом в среде LIBERO. Она создана авторами исследования «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» методом DTR: из языковой основы PaliGemma с 18 слоями удалили 9 блоков, выбранных методом GateProbe, а затем дообучили уменьшенную плотную модель для восстановления качества. Визуальная и управляющая части модели оставлены без изменений.

Контрольная точка предназначена для выполнения роботизированных задач в LIBERO и экспериментов по оценке влияния удаления блоков на VLA-модели. Восстановительное дообучение выполнено за 30 тысяч шагов с размером пакета 32 и скоростью обучения 5e-5. Модель сохранена в формате openpi для PyTorch, веса представлены в safetensors. Лицензия — Apache 2.0.

Сценарии применения

  • выполнение роботизированных задач в симуляторе LIBERO
  • управление роботом по визуальному наблюдению и языковой инструкции
  • исследование удаления блоков из vision-language-action моделей
  • сравнение методов выбора важных слоёв VLA-модели

Ограничения

Удаление 9 из 18 языковых блоков может ограничивать возможности и качество по сравнению с исходной pi0.5; в карточке приведены настройки обучения, но не результаты оценки качества. Для запуска требуется VLADrop fork и совместимая среда openpi.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-metric-drop9-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 3: GateProbe (ours) (Drop-9 importance-metric comparison)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by GateProbe (ours); keep blocks [0,1,2,3,4,5,6,8,9]. Vision and action untouched.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial / Object / Goal / Long / Avg = 97.0 / 98.2 / 92.0 / 88.8 / 94.0

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
044c4b2

0 моделей