/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_click-bell_Drop12Block_GateProbe

Языковая модельИзображение, текст → action

Контрольная точка pi0.5 с сокращённой языковой частью для управления роботом в задаче RoboTwin 2.0 «click bell» и исследования восстановления после удаления блоков.

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-click-bell-Drop12-GateProbe — контрольная точка модели vision-language-action для управления роботом, созданная в рамках исследования «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Модель получена из предварительно обученной pi0.5: в языковой части PaliGemma удалены 12 из 18 блоков, выбранных для задачи с помощью GateProbe; сохранены блоки 0, 1, 2, 3, 5 и 11. Зрительная и управляющая части оставлены без изменений.

Контрольная точка предназначена для задачи RoboTwin 2.0 «click bell» и обучения восстановления после удаления блоков с вычислительными затратами, сопоставимыми с базовым вариантом; в README указан шаг обучения 34234 и скорость обучения 5e-5. Это контрольная точка в формате openpi для PyTorch, её можно использовать как политику управления роботом через форк VLADrop. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Количественные результаты и подробности качества для этой контрольной точки в предоставленных данных не приведены.

Сценарии применения

  • управление роботом при нажатии на колокольчик в RoboTwin 2.0
  • исследование избыточности блоков в vision-language-action моделях
  • сравнение поведения VLA-политики до и после удаления блоков
  • проверка восстановления роботизированной политики после сокращения языковой части

Ограничения

Контрольная точка предназначена для конкретной задачи RoboTwin 2.0 «click bell» и требует форка VLADrop и соответствующего рабочего процесса openpi. Предоставленные данные не содержат количественной оценки 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-click-bell-drop12-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 'click bell' Drop-12
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 12 whole blocks selected by per-task GateProbe; keep blocks [0,1,2,3,5,11]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 34234), lr 5e-5
RoboTwin 2.0 success rateEasy 21 / Hard 28

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
fecf57e

0 моделей