/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_place-dual-shoes_Baseline

Языковая модельИзображение, текст → action

Полный чекпойнт pi0.5, дообученный для управления роботом при размещении пары обуви 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 VLADrop-pi05 для задачи RoboTwin 2.0 «place dual shoes», опубликованный как материал к работе «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?». Он основан на pi0.5 и сохранён в формате openpi для PyTorch. В этой версии не удалены блоки трансформера: это полный чекпойнт после дообучения на одной задаче RoboTwin 2.0 в течение 30 тысяч шагов с размером пакета 16 и скоростью обучения 5e-5.

Модель предназначена для управления роботом по визуальным и языковым входам при размещении пары обуви. Репозиторий содержит веса Safetensors; для запуска требуется форк VLADrop и соответствующая конфигурация политики. Лицензия — Apache-2.0. Карточка не сообщает подробности о поддерживаемом оборудовании и качестве на других задачах, поэтому применение за пределами указанного сценария не подтверждено.

Сценарии применения

  • управление роботом при размещении пары обуви
  • выполнение задачи place dual shoes в RoboTwin 2.0
  • исследование избыточности блоков vision-language-action моделей

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0, поэтому его пригодность для других задач не подтверждена. Для запуска нужен форк VLADrop и конфигурация политики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-place-dual-shoes-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 'place dual shoes' 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 2 / Hard 0 (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
527324c

0 моделей