/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_open-microwave_Drop9Block_GateProbe

Языковая модельИзображение, текст → action

Сжатый и дообученный чекпойнт pi0.5 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 в задаче RoboTwin 2.0 «открыть микроволновую печь». Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» методом удаления 9 из 18 блоков языковой части PaliGemma с последующим дообучением для восстановления качества. Блоки зрения и действия оставлены без изменений; для выбора удаляемых блоков использован GateProbe для конкретной задачи.

Модель основана на pi0.5 и представлена в формате openpi для PyTorch. Чекпойнт обучен на одной задаче RoboTwin 2.0 с сопоставимым с базовой моделью числом FLOPs. Предназначен для экспериментов с выполнением роботизированных манипуляций, в частности с открыванием микроволновой печи. Лицензия — Apache-2.0. README не сообщает численный размер модели или длину контекста.

Сценарии применения

  • управление роботом для открытия дверцы микроволновой печи
  • эксперименты с удалением блоков из vision-language-action моделей
  • сравнение восстановления качества VLA после сжатия

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0, поэтому его пригодность для других роботизированных задач не установлена. В нём удалена половина блоков языковой части PaliGemma; README не приводит метрик качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-open-microwave-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 'open microwave' Drop-9
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 9 whole blocks selected by per-task GateProbe; keep blocks [0,1,2,3,4,5,6,7,13]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 51848), lr 5e-5
RoboTwin 2.0 success rateEasy 90 / Hard 55

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
95c6567

0 моделей