/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9Block_PPL

Языковая модельИзображение, текст → action

Сжатый и восстановительно дообученный чекпойнт pi0.5 для управления роботом в задачах LIBERO по зрительным и языковым наблюдениям.

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-ppl — исследовательский контрольный пункт модели vision-language-action для робототехники, подготовленный в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он основан на pi0.5 и предназначен для выполнения роботизированных задач в среде LIBERO.

Модель получена удалением девяти из 18 слоёв языковой части PaliGemma по метрике PPL leave-one-out с последующим восстановительным дообучением плотной модели: обучение проводилось 30 тысяч шагов с размером пакета 32 и скоростью обучения 5e-5. Зрительная и управляющая части оставлены без изменений; сохранены языковые блоки 0, 1, 4, 7, 8, 10, 11, 13 и 14. Это чекпойнт в формате openpi для PyTorch.

Модель принимает визуальные и языковые наблюдения и предназначена для выдачи действий робота; README указывает использование с форком VLADrop для обслуживания политик. Лицензия — Apache-2.0. Описание не сообщает конкретные языки, поддерживаемый набор действий или количественные результаты качества; удаление блоков и настройка на LIBERO ограничивают переносимость вне описанного сценария.

Сценарии применения

  • управление роботом в задачах манипуляции LIBERO
  • воспроизведение экспериментов по удалению слоёв в VLA-моделях
  • сравнение метрик важности языковых блоков в роботизированной политике

Ограничения

Чекпойнт адаптирован для LIBERO и создан после удаления девяти языковых блоков, поэтому перенос на другие задачи или среды не подтверждён. README не приводит количественных результатов качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-metric-drop9-ppl

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: PPL (leave-one-out) (Drop-9 importance-metric comparison)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by PPL (leave-one-out); keep blocks [0,1,4,7,8,10,11,13,14]. Vision and action untouched.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial / Object / Goal / Long / Avg = 93.0 / 97.6 / 90.0 / 78.0 / 89.6

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
0e13f14

0 моделей