/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9Block_Uniform

Языковая модельИзображение, текст → action

Сжатый и восстановленный дообучением чекпойнт pi0.5 для управления роботизированными действиями в задачах LIBERO и изучения избыточности VLA-моделей.

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_Drop9Block_Uniform — чекпойнт робототехнической модели vision-language-action для экспериментов с удалением блоков и последующим восстановлением качества. Он описан в работе «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» и основан на pi0.5 с языковым модулем PaliGemma. Из модели удалены девять из восемнадцати блоков трансформера PaliGemma с нечётными индексами; затем уменьшенную модель дообучили для восстановления работоспособности.

Чекпойнт предназначен для управления роботизированными действиями в задачах LIBERO и запускается в формате openpi для PyTorch через форк VLADrop. В README указаны обучение с размером пакета 32 в течение 30 тысяч шагов и скорость обучения 5e-5 с 10 тысячами шагов разогрева. Модель распространяется по лицензии Apache-2.0. Карточка не описывает конкретное аппаратное оснащение, список поддерживаемых языков или количественные результаты на бенчмарках.

Сценарии применения

  • управление роботом в задачах LIBERO
  • оценка влияния удаления блоков языкового трансформера на поведение VLA-модели
  • исследование восстановления робототехнической модели после структурного сжатия

Ограничения

Чекпойнт обучен после удаления половины блоков языкового трансформера, поэтому его поведение и качество могут отличаться от исходной pi0.5; численные результаты в карточке не приведены. Для запуска требуется форк VLADrop и конфигурация pi05_libero_dropped.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-drop9-language-odd

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 1 'Drop Half Language' / Table 2 'Block' / Table 7 (9/18)
Dropped blocksLLM (PaliGemma) blocks [1,3,5,7,9,11,13,15,17] (all odd-indexed; attn+mlp)
Recovery trainingbatch size 32, 30K steps, lr 5e-5 (10K warmup)
LIBERO success rateSpatial 98.8 / Object 98.6 / Goal 93.4 / Long 82.4 / Avg 93.3

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
070f268

0 моделей