/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_place-dual-shoes_Drop9Block_GateProbe

Языковая модельИзображение, текст → action

Экспериментальный VLA-чекпойнт с сокращённой языковой частью для роботизированного размещения двух ботинок 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 чекпойнт VLADrop-pi05 для управления роботом в задаче RoboTwin 2.0 «place dual shoes». Он создан в рамках исследования Drop-Then-Recovery: из предварительно обученной VLA-модели удалили часть блоков языкового трансформера, затем дообучили уменьшенную плотную модель для восстановления качества на выбранной задаче.

В языковой части на основе PaliGemma оставлены блоки 0–8 и 13, остальные 9 из 18 блоков удалены; зрительная и управляющая части не изменялись. Чекпойнт сохранён в формате openpi для PyTorch и распространяется в safetensors. Для запуска политики README указывает форк VLADrop. Лицензия — Apache-2.0.

Модель предназначена для выполнения роботизированного действия по размещению двух ботинок в RoboTwin 2.0. Это экспериментальный чекпойнт для конкретной задачи; сведения о поддержке других задач, языках инструкций и обобщении на иные среды в карточке не приведены.

Сценарии применения

  • выполнение задачи размещения двух ботинок в RoboTwin 2.0
  • исследование удаления блоков языкового трансформера в VLA-модели
  • сравнение сокращённой политики с исходной по вычислительной стоимости

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0; подтверждений качества на других задачах или средах нет. Для запуска требуется форк VLADrop.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-place-dual-shoes-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 'place dual shoes' 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 2 / 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
77f7c12

0 моделей