/ Модель

Характеристики

Лицензия
Gemma
Базовая модель
pi05_base
Опубликована
10 июл 2026

flashvla-pi05-robotwin

Языковая модельИзображение, текст → action3 профессии

Дообученная на RoboTwin 2.0 VLA-модель π0.5 для многозадачного управления роботом по изображениям, состоянию робота и языковым инструкциям с потоковым декодированием действий.

88скачиваний за 30 дней1лайквеса 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

z-lab/flashvla-pi05-robotwin — модель управления роботом, созданная на базе π0.5 от Physical Intelligence и дообученная на RoboTwin 2.0 для многозадачного управления в 50 задачах. Она принимает изображения, состояние робота и языковые инструкции, а выдаёт действия для робота. Для ускорения асинхронного вывода используется FlashVLA: потоковое декодирование действий позволяет перекрывать инференс следующего фрагмента с исполнением текущего. В описанном бенчмарке RoboTwin 2.0 средняя успешность составила 90,87% при задержке асинхронного шага d=1.

Модель предназначена для управления роботом по визуальному наблюдению и инструкции в сценариях RoboTwin 2.0. Базовая модель — lerobot/pi05_base, формат весов — safetensors. Карточка указывает лицензию Gemma. Язык карточки — английский; инструкция может содержать текст, но поддерживаемые естественные языки для управления явно не перечислены.

Сценарии применения

  • управление роботом по изображению и текстовой инструкции
  • выполнение набора манипуляционных задач RoboTwin 2.0
  • асинхронное планирование и исполнение действий роботом
  • оценка VLA-политики на чистых и рандомизированных сценах

Ограничения

Результаты приведены для бенчмарка RoboTwin 2.0 и не подтверждают качество на других роботах или задачах. Карточка не описывает требования к аппаратуре и процедуру интеграции с конкретным роботом.

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 · π0.5 · RoboTwin 2.0

Streaming Action Decoding for Fast and Asynchronous VLA Inference

Paper GitHub Blog Models

A π0.5 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.

  • Base model: lerobot/pi05_base
  • Method: FlashVLA, streaming action decoding for flow-matching VLAs (async chunk-overlap execution)
  • Benchmark: RoboTwin 2.0, 50-task multitask (clean / randomized)

Results

RoboTwin 2.0 50-task multitask success rate (%). d is the async step delay: d=0 is synchronous, d=1 and d=2 overlap the next chunk's inference with execution.

ModelCleanRandomAvg
π0.5 (base)82.7476.7679.75
+FlashVLA (d=0)90.6490.0690.35
+FlashVLA (d=1)91.1490.6090.87
+FlashVLA (d=2)90.2089.6689.93

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. After the one-time setup in sim_eval/robotwin/, from $ROBOTWIN/policy/pi05_flashvla/:

bash eval_server.sh                      # terminal 1, flashvla env, starts the policy server
ROBOTWIN_VENV=... bash eval_client.sh    # terminal 2, RoboTwin env, runs the SAPIEN sim

Training configs for this checkpoint are in train/configs/pi05/robotwin/.

License

These weights are finetuned from lerobot/pi05_base, which is released under the Gemma Terms of Use. Those terms govern model derivatives, so they apply to this checkpoint and to anything derived from it, including the Gemma Prohibited Use Policy. If you redistribute this checkpoint or a derivative of it, you must pass the same terms along.

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
47c90d4

0 моделей