/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_LIBERO_Drop9MLP_Uniform

Языковая модельИзображение, текст → action

Исследовательский чекпойнт pi0.5 с сокращёнными MLP-подслоями PaliGemma для управления роботом в задачах LIBERO и изучения сжатия 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-mlp-only-drop9 — контрольная точка модели vision-language-action для управления роботом, опубликованная пользователем s1ghhh. Она создана в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» на основе pi0.5 и предназначена для экспериментов с выполнением робототехнических задач LIBERO.

В модели удалены MLP-подслои языковой основы PaliGemma в 9 нечётных блоках из 18, а подслои многоголового внимания сохранены. После сокращения модель прошла восстановительное дообучение: 30 тысяч шагов с размером пакета 32 и скоростью обучения 5e-5. Чекпойнт представлен в формате openpi для PyTorch и хранится в safetensors.

Для запуска политики требуется форк VLADrop. Лицензия Apache-2.0. Карточка не сообщает длину контекста и не приводит конкретные ограничения качества; это исследовательский чекпойнт для оценки удаления слоёв и восстановления VLA-модели.

Сценарии применения

  • Запуск политики робота в задачах LIBERO
  • Исследование влияния удаления MLP-подслоёв на поведение VLA-модели
  • Сравнение вариантов сжатия и восстановительного дообучения робототехнических моделей

Ограничения

Для запуска требуется форк VLADrop и совместимая среда openpi. Модель экспериментальная и предназначена для задач LIBERO; качество за пределами описанных экспериментов не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-LIBERO-mlp-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 MLP (granularity study)
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop only the MLP sublayers of the 9 odd-indexed blocks [1,3,5,...,17]. MHA sublayers kept.
Recovery trainingbatch size 32, 30K steps, lr 5e-5
LIBERO success rateSpatial 96.8 / Object 97.4 / Goal 93.4 / Long 86.8 / Avg 93.6

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
df179fd

0 моделей