/ Модель

Характеристики

Базовая модель
lingbot-vla-4b-posttrain-robotwin
Опубликована
19 июл 2026

flashvla-lingbot-robotwin

Языковая модельИзображение, текст → action3 профессии

Дообученная модель vision-language-action для многозадачного управления роботом с потоковым декодированием действий и ускоренным выводом.

52скачиваний за 30 дней2лайкавеса обновлены12 сен 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

FlashVLA · LingBot-VLA · RoboTwin 2.0 — это дообученная на наборе RoboTwin 2.0 модель vision-language-action для управления роботом, разработанная на базе robbyant/lingbot-vla-4b-posttrain-robotwin и использующая потоковое декодирование действий FlashVLA. Она предназначена для многозадачного выполнения 50 задач RoboTwin 2.0 в чистых и рандомизированных условиях; модель принимает визуальные и языковые наблюдения и предсказывает действия робота с использованием flow matching.

В опубликованных результатах средняя успешность составила 88,6% при синхронном выполнении и 89,3% при запуске вывода до завершения текущего блока действий. Заявленная задержка вывода — 25,1 мс, что в 2,81 раза ниже базовой LingBot-VLA; время на шаг также сокращено. Данные результаты относятся к бенчмарку RoboTwin 2.0 и сами по себе не подтверждают качество на других роботах или задачах. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • выполнение задач манипуляции роботом из RoboTwin 2.0
  • управление роботом по визуальным наблюдениям и языковым инструкциям
  • тестирование потокового вывода действий для VLA-моделей
  • оценка роботизированной политики в чистых и рандомизированных сценариях

Ограничения

Заявленные показатели относятся к бенчмарку RoboTwin 2.0 и не доказывают переносимость на другие роботизированные платформы или условия. Сведения о лицензии и требованиях к аппаратному обеспечению в предоставленных данных отсутствуют.

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

FlashVLA · LingBot-VLA · RoboTwin 2.0

Streaming Action Decoding for Fast and Asynchronous VLA Inference

Paper GitHub Blog Models

A LingBot-VLA flow-matching vision-language-action policy finetuned on RoboTwin 2.0 (50-task multitask) and served with FlashVLA streaming action decoding for fast, asynchronous inference.

Results

RoboTwin 2.0 50-task multitask results. Success rate is averaged across clean and randomized settings. d=0 is synchronous execution; d=1 launches inference one step before the current chunk ends. Inference latency is independent of d and is therefore reported only at d=0.

ModelAvg SR (%)Time/Step (ms)Inference Latency (ms)
LingBot-VLA (base)85.256.770.6
+FlashVLA (d=0)88.6 (↑3.4)49.5 (1.15× faster)25.1 (2.81× faster)
+FlashVLA (d=1)89.3 (↑4.1)46.6 (1.22× faster)—

Usage

Install FlashVLA:

git clone https://github.com/z-lab/flashvla.git
cd flashvla
conda env create -f environment.yml
conda activate flashvla

RoboTwin 2.0 evaluation uses a server/client split across two environments. See sim_eval/robotwin/ for setup and full options.

License

These weights are finetuned from robbyant/lingbot-vla-4b-posttrain-robotwin, which does not currently declare a license. Until terms are settled with the base model authors, no license is asserted for these weights and they should be treated as available for research and evaluation only. Please contact us before any other use.

The FlashVLA inference and training code is separately released under the Apache 2.0 License.

Citation

@inproceedings{li2026flashvla,
  title     = {{FlashVLA: Streaming Action Decoding for Fast and Asynchronous VLA Inference}},
  author    = {Li, Zekai and Tang, Jiaming and Liu, Zhijian},
  booktitle = {Conference on Robot Learning (CoRL)},
  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
223f305

0 моделей