/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_place-dual-shoes_Drop16Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный чекпойнт pi0.5 с сокращённой языковой частью для управления роботом при размещении двух туфель 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 экспериментальный чекпойнт VLADrop-pi05-RoboTwin-place-dual-shoes-drop16-gate для управления роботом в задаче «разместить две туфли». Он подготовлен в рамках исследования Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models? и основан на предварительно обученной VLA-модели pi0.5.

В языковой части PaliGemma удалены 16 из 18 трансформерных блоков; сохранены блоки 0 и 1, а зрительная и управляющая части оставлены без изменений. После этого уменьшенную модель дообучили для восстановления работы на одной задаче RoboTwin 2.0, при вычислительном бюджете, сопоставленном с базовой моделью. Чекпойнт представлен в формате openpi для PyTorch, а лицензия репозитория — Apache-2.0.

Модель предназначена для исследования влияния удаления блоков и восстановления навыков VLA-моделей, а также для запуска политики робота в указанной сцене RoboTwin. Её назначение узкое: результаты описаны для одной задачи, поэтому перенос на другие задачи не подтверждён. Для использования README указывает форк VLADrop.

Сценарии применения

  • управление роботом при размещении двух туфель
  • исследование удаления трансформерных блоков из VLA-модели
  • сравнение восстановления компактной политики с базовой моделью

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0, и его перенос на другие задачи не подтверждён. Для запуска требуется форк VLADrop и совместимая среда openpi.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-place-dual-shoes-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 'place dual shoes' 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 4 / Hard 0

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
80ef4b3

0 моделей