/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
openpi
Опубликована
8 июл 2026

MolmoBot-Pi0-DROID-absjoint-reasoninit

Языковая модельИзображение, текст → action

VLA-модель MolmoBot-Pi0, дообученная на DROID для управления манипулятором через предсказание абсолютных положений суставов и команды захвата.

0скачиваний за 30 дней0лайковвеса обновлены19 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

MolmoBot-Pi0-DROID-absjoint-reasoninit — модель управления роботом на основе VLA, разработанная автором репозитория shrg7. Это полный fine-tune MolmoBot-Pi0-DROID на данных DROID с целями в виде абсолютных положений суставов; при инициализации в веса декодера PaliGemma уже встроен reasoning-адаптер LoRA, обученный на тех же данных. Архитектура сочетает декодер PaliGemma и эксперт действий с flow matching.

Модель принимает визуальные наблюдения и состояние робота и предсказывает последовательность действий горизонтом 16 шагов: семь абсолютных положений суставов руки и команду захвата. Предсказанные положения используются напрямую как целевые, без прибавления текущего положения. Контрольная точка выбрана по минимальной потере действий на отложенной выборке; веса предназначены для инференса и оценки.

Модель рассчитана на роботизированные манипуляции на данных DROID. README указывает, что reasoning-адаптер уже слит с весами, поэтому при инференсе отдельный модуль или дополнительный путь reasoning не используются. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • управление суставами роботизированной руки по визуальному наблюдению
  • выполнение манипуляций с объектами по данным DROID
  • предсказание последовательности целевых положений суставов
  • управление захватом параллельно с движением руки

Ограничения

Контрольная точка предназначена для инференса и оценки; состояние оптимизатора не включено, поэтому продолжить обучение с неё нельзя. Обучение и валидация описаны для данных DROID и заданного 16-шагового пространства действий; перенос на другие роботы или схемы действий не подтверждён.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MolmoBot-Pi0 — DROID absolute-joint, reasoning-init full fine-tune

MolmoBot-Pi0 (a PaliGemma-decoder VLA with a flow-matching action expert), fully fine-tuned on equad DROID with absolute joint-pose action targets, starting from a reasoning-initialized backbone.

Checkpoint: step 18000 — best held-out validation loss (val_action_loss = 0.0041).


What "reasoning-init" means

Standard full fine-tuning starts from the base VLA weights. Here we first bake a frozen reasoning LoRA into the PaliGemma decoder, then full-fine-tune from that point. The reasoning adapter is not kept as a separate module — its delta is folded directly into the base weights:

W  <-  W + (alpha / r) * (B @ A)      # applied in-place, per target module

with r = 64, alpha = 128 (scaling 2.0), folded across 207 modules. The adapter came from a reasoning-only training run on the same DROID data (Gemini-annotated chain-of-thought, PaliGemma prompt format).

So reasoning enters as a weight-space prior on the initialization, not as an auxiliary loss and not as a runtime module. After the fold the model is a plain flat checkpoint — inference is identical to any other pi0 checkpoint, with no reasoning code path and no extra parameters.

On resume the fold is deliberately skipped (the delta is already inside the saved weights), so it is applied exactly once, at step 0.


Action space

Absolute joint pose, 8-dim per step:

dimsmeaning
0:7absolute future joint positions, arm[t] = q[t+1] (7 arm joints)
7gripper command (0–1)

Action horizon 16. At execution the prediction is used directly as the target joint pose — no current-position offset (contrast with the joint_delta variant, where target = current_q + pred).

Normalization statistics are bundled in assets/droid_equad/norm_stats.json; arm stats follow the observation.state distribution, gripper from the action gripper dim.


Training setup

Base checkpointMolmoBot-Pi0-DROID
Reasoning adapterreasoning-only LoRA, r=64 / α=128, same DROID data
Datasetdroid-equad-stage-1 (LeRobot v3.0)
Camerasexterior_1_left, wrist_left
Configmolmobot_pi0_lerobot_droid_absjoint
Trainableentire model (full FT, no LoRA, no freezing)
Hardware4 × NVIDIA L40 (46 GB), DDP
Batch64 × grad-accum 8 → effective 512
OptimizerAdamW, weight_decay 1e-10, grad clip 1.0
LRpeak 5e-5, warmup 1000 steps, constant thereafter
Precisionbf16
Throughput~30 s / step
Steps20000 (early-stopped; 30000 was the cap)

Checkpoint selection

Validation runs every 1000 steps on 8 fixed held-out batches (flow noise reseeded so the metric is deterministic and comparable across steps). Retention keeps the latest checkpoint (for resume) plus the 2 best by val_action_loss.

Early stopping

Training was supervised by a self-chaining job that, each time a training job ended, read the cumulative validation series and either resumed training (if val was still improving) or stopped. It resumed 3 times and stopped at step 20000 once no new best appeared for 2 consecutive validation points — leaving 10000 of the budgeted steps unspent.


Validation curve

val_action_loss, every 1000 steps:

stepvalstepvalstepvalstepval
10000.034660000.0074110000.0057160000.0060
20000.019970000.0067120000.0063170000.0046
30000.012880000.0071130000.0089180000.0041
40000.011290000.0064140000.0057190000.0059
50000.0096100000.0082150000.0054200000.0045

Roughly an 8× reduction from the first validation point, with most of the gain by step ~6000 and a slow, noisy tail after ~11000.


Contents

model.safetensors                    # flat full model (7.0 GB), reasoning delta folded in
metadata.pt                          # global_step and training bookkeeping
assets/droid_equad/norm_stats.json   # state + action normalization statistics
assets/train_config.pkl              # serialized openpi TrainConfig

Optimizer state is not included (10.9 GB) — this checkpoint is for inference and evaluation, not for resuming training.

Related

  • shrg7/MolmoBot-Pi0-DROID-absjoint — same data and action space, without reasoning-init (the control)
  • shrg7/MolmoAct2-DROID-absjoint — MolmoAct2 on the same absolute-joint DROID targets

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · openpi

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
c037506

0 моделей