/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9Block_Hessian

Языковая модельИзображение, текст → action

Сжатый чекпойнт pi0.5 для vision-language-action управления роботом в LIBERO, полученный удалением блоков PaliGemma и последующим восстановительным дообучением.

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-hessian — чекпойнт модели vision-language-action для управления роботом в задачах LIBERO. Он подготовлен авторами исследования «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» на основе pi0.5: из 18 слоёв языковой части PaliGemma удалены 9 блоков, выбранных по метрике следа матрицы Гессе; оставлены блоки 0, 1, 2, 3, 5, 8, 9, 11 и 13. Зрительная и управляющая части не изменялись.

После удаления блоков модель дообучалась для восстановления качества: 30 тысяч шагов с размером пакета 32 и скоростью обучения 5e-5. Это чекпойнт в формате OpenPI для PyTorch, предназначенный для использования с форком VLADrop и конфигурацией pi05_libero_dropped. Файлы модели представлены в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • управление роботом в задачах LIBERO
  • выполнение роботизированных действий по визуальным и языковым инструкциям
  • исследование влияния удаления слоёв на качество VLA-моделей

Ограничения

Для запуска требуется форк VLADrop и конфигурация pi05_libero_dropped. В языковой части удалена половина блоков; описание не приводит количественных результатов оценки качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-metric-drop9-hessian

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: Hessian trace (Drop-9 importance-metric comparison)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by Hessian trace; keep blocks [0,1,2,3,5,8,9,11,13]. Vision and action untouched.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial / Object / Goal / Long / Avg = 96.0 / 95.6 / 89.6 / 84.0 / 91.3

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
6a6d0dd

0 моделей