/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_beat-block-hammer_Drop9Block_GateProbe

Языковая модельИзображение, текст → action

Исследовательский VLA-чекпойнт pi0.5 с сокращённой языковой основой PaliGemma для управления роботом в задаче RoboTwin 2.0 «beat block hammer».

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-RoboTwin-beat-block-hammer-drop9-gate — исследовательский чекпойнт модели vision-language-action на базе pi0.5 для управления роботом в задаче RoboTwin 2.0 «beat block hammer». Он создан в рамках работы Drop-Then-Recovery: из предварительно обученной VLA-модели удалили часть блоков трансформера, затем дообучили уменьшенную плотную модель для восстановления качества на одной задаче.

В языковой основе PaliGemma было 18 слоёв; метод GateProbe выбрал девять блоков для удаления, оставив слои 0–6, 8 и 13. Визуальная часть и компонент действий не изменялись. Чекпойнт сохранён в формате safetensors и формате openpi для PyTorch; лицензия — Apache-2.0. Модель предназначена для выполнения политики управления роботом в указанной задаче, а не для общего диалога или генерации текста.

Сценарии применения

  • управление роботом при выполнении задачи «beat block hammer» в RoboTwin 2.0
  • изучение удаления блоков из vision-language-action моделей
  • оценка восстановления качества VLA-модели после сокращения языковой основы

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0 и не заявлен как универсальная политика управления. Удаление блоков затронуло языковую основу; README не приводит количественных результатов качества или сведений о переносе на другие задачи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-beat-block-hammer-drop9-gate

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 17 / Figure 4: RoboTwin 2.0 'beat block hammer' Drop-9
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by per-task GateProbe; keep blocks [0,1,2,3,4,5,6,8,13]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 51848), lr 5e-5
RoboTwin 2.0 success rateEasy 37 / Hard 0

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
f5b01c9

0 моделей