/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_open-microwave_Drop16Block_GateProbe

Языковая модельИзображение, текст → action

Исследовательский чекпойнт pi0.5 с сокращённой языковой частью для управления роботом при открывании микроволновой печи 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-pi05 для управления роботом при открывании микроволновой печи в симуляторе RoboTwin 2.0. Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» и основан на pi0.5 в формате openpi для PyTorch.

В чекпойнте удалены 16 из 18 слоёв языковой части PaliGemma, выбранных методом GateProbe для конкретной задачи; слои 0 и 1 сохранены, а зрительная и управляющая части модели оставлены без изменений. После удаления блоков модель дообучили для восстановления качества на одной задаче RoboTwin 2.0; обучение было согласовано с базовым вариантом по числу FLOPs. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • управление роботом при открывании дверцы микроволновой печи в RoboTwin 2.0
  • изучение влияния удаления языковых слоёв на управление роботом
  • сравнение компактных VLA-чекпойнтов с базовой моделью в симуляции

Ограничения

Чекпойнт обучен для одной задачи симулятора RoboTwin 2.0 и не предназначен для вывода о качестве на других задачах или реальных роботах без дополнительной проверки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-open-microwave-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 'open microwave' Drop-16
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 16 whole blocks selected by per-task GateProbe; keep blocks [0,1]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 59795), lr 5e-5
RoboTwin 2.0 success rateEasy 85 / 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
89bbdf4

0 моделей