/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_move-playingcard-away_Drop16Block_GateProbe

Языковая модельИзображение, текст → action

Сжатый и дообученный чекпойнт pi0.5 для управления роботом при отодвигании игральной карты 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

Это исследовательский чекпойнт VLADrop для управления роботом в задаче RoboTwin 2.0 «отодвинуть игральную карту». Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» на основе предварительно обученной модели pi0.5.

Модель использует формат openpi и предназначена для политики vision-language-action: принимает визуальное наблюдение и текстовое описание задачи, а выдаёт действия робота. В языковой части PaliGemma удалены 16 из 18 блоков трансформера, выброшенные блоки выбраны GateProbe для этой задачи; оставлены блоки 0 и 2. Зрительная и action-части не изменялись. Затем уменьшенную плотную модель дообучили для восстановления качества на одной задаче RoboTwin 2.0 с FLOPs, сопоставимыми с базовой моделью.

Чекпойнт предназначен для исследования сжатия VLA-моделей и экспериментов с управлением роботом при манипуляциях с предметами. Использование требует форка VLADrop и совместимой инфраструктуры openpi. Репозиторий распространяется по лицензии Apache-2.0; README не приводит количественных результатов качества для этого чекпойнта.

Сценарии применения

  • отодвигание игральной карты роботом по визуальному наблюдению
  • выполнение роботизированной манипуляции по текстовой инструкции
  • исследование удаления блоков языковой части VLA-модели
  • оценка восстановления качества сжатой политики робота

Ограничения

Модель специализирована на одной задаче RoboTwin 2.0; в языковой части PaliGemma сохранены только блоки 0 и 2 из 18. README не сообщает количественные результаты качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-move-playingcard-away-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 'move playingcard away' Drop-16
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 16 whole blocks selected by per-task GateProbe; keep blocks [0,2]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 59795), lr 5e-5
RoboTwin 2.0 success rateEasy 63 / Hard 10

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
5fb381e

0 моделей