/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_open-microwave_Baseline

Языковая модельИзображение, текст → action

Контрольный чекпойнт vision-language-action pi0.5 для управления роботом при открывании микроволновки 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 контрольный чекпойнт модели vision-language-action pi0.5 для выполнения роботизированной задачи open microwave в симуляторе RoboTwin 2.0. Он опубликован как часть работы Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models? и предназначен для сравнения с вариантами, в которых удалены блоки трансформера. В этом варианте блоки не удалены: указано 0 из 18 удалённых блоков, а чекпойнт прошёл дообучение восстановления на одной задаче RoboTwin 2.0 в течение 30 тысяч шагов с размером батча 16 и скоростью обучения 5e-5.

Модель использует формат openpi pi0.5 на PyTorch и принимает визуальные и языковые наблюдения для выдачи действий робота. Для запуска авторы указывают форк VLADrop и скрипт пакетной подачи политики. Файлы представлены в формате safetensors. Лицензия — Apache-2.0. Чекпойнт ориентирован на конкретную симуляционную задачу и не подтверждает работоспособность на иных задачах или реальных роботах.

Сценарии применения

  • управление роботом при открывании микроволновки в симуляторе RoboTwin 2.0
  • сравнение полного VLA-чекпойнта с моделями после удаления блоков трансформера
  • исследование восстановления качества VLA после структурного сжатия

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0; перенос на другие задачи и реальные роботы не подтверждён. Для запуска требуется форк VLADrop и совместимый формат openpi pi0.5.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-open-microwave-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 'open microwave' 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 82 / Hard 60 (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
9c7b124

0 моделей