/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июл 2026

VLADrop_pi05_RoboTwin_turn-switch_Drop12Block_GateProbe

Языковая модельИзображение, текст → action

Исследовательская VLA-модель pi0.5 с сокращённой языковой частью для управления роботом при повороте переключателя 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

VLADrop-pi05-RoboTwin-turn-switch-drop12-gate — исследовательский чекпойнт модели vision-language-action для управления роботом в задаче RoboTwin 2.0 «turn switch». Модель разработана в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» и построена на базе pi0.5 в формате openpi.

В чекпойнте удалены 12 из 18 блоков языковой части PaliGemma; сохранены блоки 0, 1, 2, 3, 5 и 6, а зрительная и управляющая части оставлены без изменений. После удаления блоков модель дообучена для восстановления производительности на одной задаче RoboTwin 2.0; обучение сопоставлено с базовой моделью по числу FLOPs. Чекпойнт предназначен для исследования сжатия VLA-моделей и проверки управления роботом в сценарии поворота переключателя.

Для запуска требуется форк VLADrop и совместимый пайплайн openpi. Модель распространяется под лицензией Apache-2.0. Описание не приводит результатов качества; обучение ограничено одной задачей RoboTwin 2.0, поэтому перенос на другие задачи не подтверждён.

Сценарии применения

  • управление роботом при повороте переключателя в RoboTwin 2.0
  • проверка сжатия vision-language-action-модели удалением слоёв
  • сравнение восстановления VLA-модели после удаления блоков трансформера

Ограничения

Чекпойнт обучен для одной задачи RoboTwin 2.0; перенос на другие задачи не подтверждён. README не приводит результатов качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-pi05-RoboTwin-turn-switch-drop12-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 'turn switch' Drop-12
Dropped blocksLanguage backbone (PaliGemma, 18 layers): drop 12 whole blocks selected by per-task GateProbe; keep blocks [0,1,2,3,5,6]. Vision and action untouched.
Recovery trainingsingle-task RoboTwin 2.0, FLOPs-matched to baseline (step 34234), lr 5e-5
RoboTwin 2.0 success rateEasy 12 / Hard 17

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
f129055

0 моделей