/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9Block_Taylor-IGIA

Языковая модельИзображение, текст → action

Сокращённый и восстановительно дообученный чекпойнт pi0.5 для экспериментов с визуально-языковым управлением роботом в LIBERO.

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 исследовательский чекпойнт VLADrop для управления роботом в LIBERO, опубликованный как часть работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он основан на VLA-модели pi0.5: из 18 слоёв языкового блока PaliGemma удалены 9, выбранных по метрике Taylor (на этом уровне выбора блоков совпадает с IGIA); зрительный и управляющий блоки оставлены без изменений.

После удаления слоёв модель прошла восстановительное дообучение на 30 тысячах шагов с размером батча 32 и learning rate 5e-5. Чекпойнт предназначен для запуска в формате openpi с PyTorch и форком VLADrop, в частности для экспериментов по управлению роботом в задачах LIBERO и изучения влияния сокращения VLA-модели. Файлы опубликованы в формате safetensors.

Лицензия — Apache-2.0. Это специализированный исследовательский чекпойнт; результаты и качество для иных робототехнических задач в карточке не заявлены.

Сценарии применения

  • управление роботом в задачах LIBERO
  • оценка сокращения языкового блока VLA-модели
  • сравнение методов выбора удаляемых слоёв Taylor и IGIA

Ограничения

Удалено 9 из 18 слоёв языкового блока PaliGemma, поэтому возможности могут отличаться от исходной pi0.5. В карточке описаны эксперименты с LIBERO; качество на других задачах не заявлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-metric-drop9-taylor-igia

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: Taylor (= IGIA, identical block selection at this level) (Drop-9 importance-metric comparison)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by Taylor (= IGIA, identical block selection at this level); keep blocks [0,1,3,4,5,6,7,8,9]. Vision and action untouched.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial / Object / Goal / Long / Avg = 97.0 / 97.0 / 94.0 / 88.6 / 94.2

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
816a9db

0 моделей