/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
GR00T-N1.7-LIBERO
Библиотека
vla.cpp
Опубликована
31 мая 2026

gr00tn1d7-libero-gguf

Языковая модельИзображение, текст → action3 профессии

Конверсия GR00T-N1.7-LIBERO в GGUF для управления роботом в симуляторе LIBERO с помощью vla.cpp.

164скачиваний за 30 дней0лайковвеса обновлены3 июн 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

GR00T-N1.7-LIBERO в формате GGUF — конвертированная для запуска через vla.cpp модель Vision-Language-Action, основанная на NVIDIA GR00T-N1.7-LIBERO. Она предназначена для управления роботом в симуляторе LIBERO: принимает визуальное наблюдение и формирует последовательности относительных действий. Архитектура сочетает визуально-языковую основу Cosmos-Reason2 / Qwen3-VL-2B с гибридной головкой действий на основе self-attention и AlternateVLDiT; выход содержит 40×132 относительных действий с нормализацией q01/q99. Веса BF16 объединены в один файл GGUF, отдельный файл mmproj не требуется.

README сообщает о результатах полного набора задач libero_object: успешность 98,0% на RTX 3060 и 98,5% на Jetson AGX Orin. Модель требует статистику нормализации действий и состояния из dataset_statistics.json и совместимый клиент LIBERO. Полный набор весов занимает около 5,86 ГиБ; на Jetson Orin Nano 8 ГБ он вызывает нехватку памяти без режима stage swap, который увеличивает задержку. Репозиторий указывает лицензию «other», поэтому условия использования следует сверить с лицензией базовой модели и автора конверсии.

Сценарии применения

  • управление роботом при выполнении задач libero_object
  • генерация последовательностей действий по визуальному наблюдению
  • оценка политик управления роботом в симуляторе LIBERO

Ограничения

Набор весов занимает около 5,86 ГиБ и без режима stage swap не помещается в объединённую память Jetson Orin Nano 8 ГБ. Для запуска нужны совместимая сборка vla.cpp и файл статистики нормализации действий и состояния.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GR00T-N1.7 — LIBERO object (GGUF for vla.cpp)

GGUF conversion of nvidia/GR00T-N1.7-LIBERO for inference with vla.cpp, a lightweight C++ inference engine for Vision-Language-Action models built on top of llama.cpp.

GR00T-N1.7 pairs a Cosmos-Reason2 / Qwen3-VL-2B backbone (24-layer ViT + deepstack) with a hybrid action head (4-layer VL self-attention ⊕ 32-layer AlternateVLDiT flow-matching), producing 40×132 relative actions with q01/q99 normalisation. The vision tower is baked into the combined GGUF, so no separate mmproj file is needed.

Files

FileSizeDescription
gr00t-n1d7-libero-object.gguf5.86 GiBCombined VLA model — Qwen3-VL backbone + deepstack + VL self-attention + AlternateVLDiT action head + arch config, BF16
dataset_statistics.json—Action/state normalisation stats (required by the client)

Usage

# Terminal 1 — serve (use the CUDA build for inference). No mmproj argument.
VLA_GR00T_BF16_WEIGHTS=1 VLA_GR00T_EMBODIMENT=libero_sim \
    ./build-cuda/vla-server --bind tcp://*:5566 \
    gr00t-n1d7-libero-object.gguf

# Terminal 2 — drive a LIBERO episode (inside the LIBERO uv venv)
python eval/client/run_sim_client_direct.py \
    --arch gr00t_n1_7 \
    --task libero_object --task-id 0 --n-episodes 10 \
    --stats-json dataset_statistics.json \
    --vla-addr tcp://localhost:5566

Notes:

  • Set VLA_GR00T_EMBODIMENT=libero_sim and VLA_GR00T_BF16_WEIGHTS=1 (the latter is needed to fit an 8 GB card).
  • Pass --stats-json dataset_statistics.json (action/state un-normalisation).
  • The client uses --n-action-steps 16 for this checkpoint.

Benchmark

Full libero_object sweep (10 tasks × 20 episodes = 200 episodes):

Hardwaren_actSuccess rateclient/stepclient/callPeak mem
RTX 3060 (sm_86)1698.0%10.26 ms164 ms6302 MiB VRAM
Jetson AGX Orin (sm_87)1698.5%26.84 ms429 ms1317 MiB RAM

GR00T-N1.7's ~6 GiB all-resident weight footprint OOMs the Jetson Orin Nano 8 GB unified pool, so it is not in the Orin Nano sweep. A VLA_GR00T_STAGE_SWAP=1 mode brings weights to ~3.25 GiB at a heavy per-call latency cost.

Implementation note

The action head's vlln must be fed the pre-norm LM hidden state (hidden_states[-1], std ≈ 33), not the post-norm last_hidden_state (std ≈ 2.17). vla.cpp drops lm_output_norm between the LM and the projector to match HF's Qwen3VLBackbone.forward — this is the single largest contributor to going from 0/10 to 10/10 on LIBERO.

License

Weights follow the upstream license of nvidia/GR00T-N1.7-LIBERO (NVIDIA license — review and accept it before use). The vla.cpp conversion tooling and inference engine are MIT-licensed.

Как запустить

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

GPU в ailist

Универсальный рантайм · vla.cpp

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
5fd0b51

0 моделей