/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
MIT
Опубликована
8 июн 2026

LabVLA-5B-Base

Языковая модельИзображение, текст → action3 профессии

LabVLA-5B-Base — модель vision-language-action для автономного выполнения научных протоколов с лабораторными приборами.

48скачиваний за 30 дней36лайковвеса обновлены20 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

LabVLA-5B-Base — модель vision-language-action, разработанная для научных лабораторий. Она объединяет мультимодальную основу Qwen3-VL-4B-Instruct и экспертную модель действий DiT с flow matching. Обучение включает предварительное обучение на токенах действий FAST и последующее обучение flow matching для непрерывного управления.

Модель предназначена для автономного выполнения научных протоколов с лабораторными приборами и прозрачными жидкостями. Она принимает визуальные и языковые данные и формирует управляющие действия; для развертывания в README указан протокол OpenPI msgpack WebSocket. В метаданных Hugging Face задача указана как robotics, а файлы представлены в формате safetensors.

Модель выпущена под лицензией MIT. README не приводит сведения о точном составе входных данных, длине контекста или ограничениях применения; описанное назначение ограничено лабораторной средой.

Сценарии применения

  • автономное выполнение лабораторных протоколов
  • управление лабораторными приборами по визуальной и языковой инструкции
  • манипуляции с прозрачными жидкостями в научной лаборатории

Ограничения

Модель специально ориентирована на научные лаборатории, лабораторные приборы и прозрачные жидкости; README не описывает её пригодность для других сред. Подробности об ограничениях и точном составе входных данных не приведены.

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

Model Description

LabVLA is the first vision–language–action (VLA) model designed specifically for scientific laboratory environments, as introduced in LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories.

It combines a Qwen3-VL-4B-Instruct vision–language backbone with a DiT flow-matching action expert. The model is trained using a two-stage recipe:

  1. FAST action token pretraining: Makes the backbone action-aware.
  2. Flow matching posttraining: Attaches the DiT action expert under knowledge insulation to enable continuous control.

LabVLA addresses the gap in existing policies that are mostly trained on household data, enabling autonomous execution of scientific protocols involving laboratory instruments and transparent liquids.

How to Use

Download

huggingface-cli download zjunlp/LabVLA-5B-Base --local-dir LabVLA-5B-Base

Deployment

Serve the model over the OpenPI msgpack WebSocket protocol:

git clone https://github.com/zjunlp/LabVLA.git
cd LabVLA
bash deployment/deploy.sh

For training, data preparation, and more details, please refer to the GitHub repository.

Citation

@article{ren2026labvla,
  title   = {LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories},
  author  = {Ren, Baochang and Liu, Xinjie and Chen, Xi and Liu, Yanshuo and
             Li, Chenxi and Gao, Daqi and Su, Zeqin and Xing, Jintao and
             Xue, Zirui and Li, Rui and Zhao, Xiangyu and Qiao, Shuofei and
             Pan, Minting and Zuo, Wangmeng and Bai, Lei and Zhou, Dongzhan and
             Zhang, Ningyu and Chen, Huajun},
  journal = {arXiv preprint arXiv:2606.13578},
  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
d64e75f

0 моделей