/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_click-bell_Drop9Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный чекпойнт pi0.5 со сжатой языковой частью PaliGemma для управления роботом в задаче RoboTwin 2.0 «click bell».

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-drop9-gate — экспериментальный чекпойнт модели vision-language-action для управления роботом, созданный авторами исследования «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он основан на pi0.5 и предназначен для сценария RoboTwin 2.0 «click bell»: агент получает визуальное и языковое описание задачи и выдаёт действия робота.

В чекпойнте удалены 9 из 18 блоков языковой части PaliGemma; набор сохраняемых блоков выбран методом GateProbe. Зрительная и управляющая части оставлены без изменений. После удаления модель дообучили для восстановления качества на одной задаче RoboTwin 2.0; обучение сопоставлялось с базовой моделью по FLOPs. Репозиторий содержит веса Safetensors в формате openpi для PyTorch.

Чекпойнт предназначен для исследований сжатия VLA-моделей и оценки избыточности их слоёв, а не для общего диалога или универсального управления роботом. Указана лицензия Apache-2.0. Результаты ограничены одной задачей «click bell» и конкретной конфигурацией RoboTwin 2.0; README не приводит количественных показателей качества.

Сценарии применения

  • Воспроизведение эксперимента по удалению блоков из VLA-модели
  • Управление роботом для нажатия на звонок в RoboTwin 2.0
  • Сравнение компактной политики с базовой pi0.5
  • Исследование восстановления качества VLA-модели после удаления слоёв

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0 «click bell», поэтому его применимость к другим задачам не установлена. README не приводит количественных результатов качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-click-bell-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 'click bell' Drop-9
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by per-task GateProbe; keep blocks [0,1,2,3,4,5,6,11,12]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 51848), lr 5e-5
RoboTwin 2.0 success rateEasy 54 / Hard 47

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
84773eb

0 моделей