/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_click-bell_Baseline

Языковая модельИзображение, текст → action

Контрольный чекпойнт pi0.5 для управления роботом в задаче нажатия на колокольчик в RoboTwin 2.0 и исследований 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

Это контрольный чекпойнт VLADrop для модели vision-language-action pi0.5, опубликованный для работы Drop-Then-Recovery — исследования избыточности блоков в VLA-моделях. Он соответствует базовому сценарию RoboTwin 2.0 «click bell»: блоки трансформера не удалялись, а модель прошла дообучение для одной задачи на 30 тысячах шагов с размером батча 16 и learning rate 5e-5. Чекпойнт сохранён в формате openpi для PyTorch и использует файлы safetensors.

Модель предназначена для управления роботом в сценарии RoboTwin 2.0, где нужно нажать на колокольчик, а также для сравнения с вариантами, из которых удаляли блоки и которые затем дообучали для восстановления качества. Как VLA-модель, она связывает визуальные и языковые входы с действиями робота. Репозиторий распространяется по лицензии Apache-2.0. README не сообщает число параметров, контекст или поддерживаемые языки; модель обучена для одной конкретной задачи, поэтому её применимость к другим роботам и сценариям не подтверждена.

Сценарии применения

  • Управление роботом при нажатии на колокольчик в RoboTwin 2.0
  • Сравнение полной VLA-модели с вариантами после удаления блоков трансформера
  • Воспроизведение экспериментов Drop-Then-Recovery на базовом чекпойнте

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0, поэтому перенос на другие сценарии не подтверждён. Указанный в README пример запуска использует конфигурацию для LIBERO с удалёнными блоками, поэтому сам по себе не описывает запуск этого полного базового чекпойнта.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-click-bell-baseline

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 'click bell' baseline (0/18 dropped)
Dropped blocksnone (full model)
Recovery trainingsingle-task RoboTwin 2.0, batch size 16, 30K steps, lr 5e-5
RoboTwin 2.0 success rateEasy 68 / Hard 50 (100 episodes each)

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
6171382

0 моделей