/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9MHA_Uniform

Языковая модельИзображение, текст → action

Сжатый восстановительно дообученный чекпойнт pi0.5 для выполнения роботизированных задач LIBERO по визуальным 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-mha-only-drop9 — чекпойнт для робототехнической политики, созданный в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он основан на pi0.5 и предназначен для управления роботом в задачах LIBERO с использованием визуально-языкового ввода и выдачи действий.

В модели удалены подслои multi-head attention из девяти нечётных блоков языковой части PaliGemma (слои 1, 3, 5, …, 17), при этом MLP-подслои сохранены. После удаления модель прошла восстановительное дообучение: 30 тысяч шагов с размером пакета 32 и скоростью обучения 5e-5. Чекпойнт представлен в формате openpi для PyTorch и распространяется по лицензии Apache-2.0.

Модель рассчитана на исследование сжатия VLA-моделей и выполнение роботизированных задач LIBERO. README указывает на использование форка VLADrop для запуска политики; результаты за пределами описанного сценария и поддержка иных сред не заявлены.

Сценарии применения

  • выполнение роботизированных манипуляций в LIBERO
  • исследование удаления attention-блоков из VLA-моделей
  • сравнение сжатых политик pi0.5 с исходной моделью

Ограничения

README описывает применение в задачах LIBERO и требует форка VLADrop для запуска; качество и перенос на другие среды не заявлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-mha-only-drop9

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 2: pi0.5 MHA (granularity study)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop only the MHA sublayers of the 9 odd-indexed blocks [1,3,5,...,17]. MLP sublayers kept.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial 96.4 / Object 98.0 / Goal 95.8 / Long 86.2 / Avg 94.1

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
f103683

0 моделей