/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_lift-pot_Drop16Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный сокращённый чекпойнт VLA pi0.5 для управления роботом при подъёме горшка в RoboTwin 2.0.

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

Экспериментальный чекпойнт VLADrop для управления роботом в задаче RoboTwin 2.0 «lift pot». Он создан в рамках исследования Drop-Then-Recovery: из предварительно обученной VLA-модели pi0.5 удалили блоки трансформера и дообучили оставшуюся плотную модель для восстановления качества на одной задаче.

В языковой части PaliGemma из 18 слоёв оставлены слои 0 и 5; остальные 16 выбраны для удаления методом GateProbe. Зрительная и управляющая части не изменялись. Чекпойнт использует формат openpi для pi0.5 и веса safetensors; README описывает запуск через форк VLADrop. Лицензия — Apache-2.0.

Модель предназначена для исследования компактных VLA-политик и выполнения задачи подъёма горшка в RoboTwin 2.0. Карточка не сообщает размер чекпойнта, длину контекста и перечень поддерживаемых языков. Результаты относятся к указанной симуляционной задаче, поэтому перенос на другие сцены и роботов не подтверждён.

Сценарии применения

  • Подъём горшка в симуляции RoboTwin 2.0
  • Исследование удаления языковых слоёв из VLA-моделей
  • Сравнение восстановления качества после сжатия VLA-политики

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0; перенос на другие задачи, сцены или роботов не подтверждён. В языковом бэкенде удалены 16 из 18 блоков PaliGemma.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-lift-pot-drop16-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 'lift pot' Drop-16
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 16 whole blocks selected by per-task GateProbe; keep blocks [0,5]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 59795), lr 5e-5
RoboTwin 2.0 success rateEasy 29 / Hard 8

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
4a1c981

0 моделей