Характеристики

Лицензия: Apache 2.0
Библиотека: openpi
Опубликована: 1 июл 2026

Ссылки

Hugging Face

pi05-pnp-left-500-60k

yeeeiii111

Языковая модельИзображение, текст → action

Дообученный чекпойнт pi0.5 для роботизированного захвата и размещения объектов левой рукой.

0скачиваний за 30 дней0лайковвеса обновлены1 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 pi0.5, дообученный на задаче pick-and-place левой рукой. Модель разработана на базе pi0.5 и обучена в openpi с PyTorch trainer на датасете LeRobot из 502 эпизодов и 154 059 кадров при 30 кадрах в секунду; это состояние обучения на шаге 60 000 из запланированных 100 000. В репозитории опубликованы веса в формате safetensors размером 7,0 ГБ и статистика нормализации датасета.

Модель предназначена для управления роботом при переносе и размещении объектов левой рукой. В README указано, что шаг 60 000 выбран в области замедления снижения функции потерь. Лицензия Apache-2.0. Описание не сообщает конкретную конфигурацию робота, набор объектов или результаты испытаний в реальных условиях.

Сценарии применения

захват объекта левой рукой робота
перенос объекта в заданное место
обучение и исследование сценария pick-and-place на данных LeRobot

Ограничения

Чекпойнт отражает состояние обучения на шаге 60 000 из 100 000; наличие только весов и статистики нормализации не позволяет продолжить обучение с сохранённым состоянием оптимизатора. README не приводит сведения о проверке на других роботах и объектах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pi0.5 finetune — pnp_left_500 (step 60000)

Openpi pi0.5 finetune on a 500-episode left-arm pick-and-place LeRobot dataset. This is the step 60000 checkpoint of a 100000-step run.

Training

Item	Value
Base model	pi0.5 (`pi05_base`)
Framework	openpi (PyTorch trainer)
Dataset	502 episodes / 154,059 frames / 30 fps
Batch size (global)	16
Optimizer	AdamW, peak_lr=5e-5, cosine decay, warmup=500
FSDP devices	4
action_dim	54
action_horizon	50
max_token_len	256
freeze_filter	LLM frozen except `llm__1` and LoRA paths
Total steps	100000
This checkpoint	step 60000

Why step 60000

Loss trajectory (5k-step bucket means):

step range	loss	grad_norm
15k–20k	0.0236	0.281
20k–25k	0.0204	0.260
40k–45k	0.0149	0.213
60k–65k	0.0133	0.193
80k–85k	0.0115	0.178
95k–100k	0.0108	0.170

Step 60000 sits in the flattening region — most of the improvement over 20k is captured (~35% lower loss), and further training only shaves ~20% more.

model.safetensors — model weights only (7.0 GB)
metadata.pt — training metadata
assets/pnp-left-500-lerobot/norm_stats.json — dataset normalization statistics

optimizer.pt is not included (would add 13 GB and is only needed for warm resume).

Provenance

W&B run: better_guidance/pickplace-pi/8affq7ty (pi05_pnp_left_500_20260622_154344)

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: 613a500