/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
InternVL3-1B-hf
Библиотека
lerobot
Опубликована
20 июл 2026

evo1_libero

Языковая модельИзображение, текст → action3 профессии

EVO1 · LIBERO — дообученная vision-language-action модель для управления роботом в задачах бенчмарка LIBERO.

2 151скачиваний за 30 дней0лайковвеса обновлены20 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

EVO1 · LIBERO — контрольная точка модели vision-language-action для управления роботизированным манипулятором в задачах бенчмарка LIBERO. Её разработчик дообучил базовую мультимодальную модель OpenGVLab/InternVL3-1B-hf на наборе lerobot/libero: сначала обучалась только голова действий, затем совместно дообучались VLM и голова действий. Указанная контрольная точка сохранена на шаге 70 000 из 80 000 этапа Stage 2 и показала лучший общий результат среди проверенных контрольных точек этого расписания.

Модель принимает визуальные наблюдения и описание задачи, чтобы предсказывать действия робота. В оценке использовались изображения 448×448 и перепланирование каждые 14 действий; тестирование охватывало четыре набора задач LIBERO. В README приведены высокие показатели успешности для пространственных, объектных и целевых задач, однако результаты получены на одном seed и не являются оценкой по нескольким запускам.

Для воспроизведения поведения важны схема перепланирования и постобработка захвата LIBERO. При загрузке политики может потребоваться загрузить базовую модель InternVL3-1B. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория.

Сценарии применения

  • управление манипулятором по визуальному наблюдению и текстовой инструкции
  • выполнение пространственных задач LIBERO
  • манипуляции с объектами в симуляции LIBERO
  • достижение заданных целей в сценариях LIBERO
  • оценка и воспроизведение политик роботизированного управления

Ограничения

Результаты оценки получены на одном seed и не включают межзапусковую оценку неопределённости. Поведение зависит от перепланирования каждые 14 действий и предусмотренной постобработки захвата LIBERO.

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

EVO1 · LIBERO (Stage 2, 70k)

This is an EVO1 vision-language-action checkpoint trained on all four LIBERO suites with the two-stage LeRobot recipe: 5k steps of action-head-only training followed by joint VLM and action-head finetuning. This checkpoint was saved at step 70,000 of the 80k Stage-2 schedule and had the best overall result among the evaluated 10k, 40k, 60k, and 70k checkpoints.

Results

LeRobot LIBERO evaluation with seed 1000, 50 episodes per task, 10 tasks per suite, 14-action replanning, 448×448 observations, and 2,000 episodes overall:

SuiteSuccessful episodesEpisodesSuccess rate
LIBERO Spatial48550097.0%
LIBERO Object49650099.2%
LIBERO Goal48350096.6%
LIBERO-1046950093.8%
Overall1,9332,00096.65%

These are single-seed results, not a multi-seed mean or confidence estimate.

Evaluation

Install LeRobot with the EVO1 and LIBERO dependencies:

pip install "lerobot[evo1,libero] @ git+https://github.com/huggingface/lerobot.git@e40b58a8dfa9e7b86918c374791599d070518d11"

The following evaluates task 0 of LIBERO Spatial. Run task IDs 0–9 to reproduce the suite result.

export MUJOCO_GL=egl
export PYOPENGL_PLATFORM=egl

lerobot-eval \
  --policy.path=zuoxingdong/evo1_libero \
  --policy.vlm_model_name=OpenGVLab/InternVL3-1B-hf \
  --policy.device=cuda \
  --policy.use_amp=true \
  --policy.vlm_dtype=bfloat16 \
  --policy.use_flash_attn=false \
  --policy.enable_gradient_checkpointing=false \
  --policy.n_action_steps=14 \
  --policy.num_inference_timesteps=32 \
  --policy.postprocess_action_dim=7 \
  --policy.binarize_gripper=true \
  --policy.gripper_threshold=0.0 \
  --policy.gripper_below_threshold_value=-1.0 \
  --policy.gripper_above_threshold_value=1.0 \
  --env.type=libero \
  --env.task=libero_spatial \
  --env.task_ids='[0]' \
  --env.camera_name=agentview_image,robot0_eye_in_hand_image \
  --env.camera_name_mapping='{agentview_image: image, robot0_eye_in_hand_image: image2}' \
  --env.control_mode=relative \
  --env.obs_type=pixels_agent_pos \
  --env.observation_width=448 \
  --env.observation_height=448 \
  --env.init_states=true \
  --env.episode_length=280 \
  --env.render_mode=rgb_array \
  --env.max_parallel_tasks=1 \
  --eval.n_episodes=50 \
  --eval.batch_size=1 \
  --eval.use_async_envs=false \
  --eval.recording=false \
  --seed=1000 \
  --output_dir=eval/evo1_libero/spatial-task-0

Use episode lengths 280 for libero_spatial and libero_object, 300 for libero_goal, and 520 for libero_10.

Training details

  • Dataset: all four suites from lerobot/libero, revision a1aaacb7f6cd6ee5fb43120f673cebb0cfea7dd4, with the standard enabled LeRobot image transforms.
  • Stage 1: randomly initialized action expert only, 5k steps.
  • Stage 2: VLM and action expert finetuning, 80k-step cosine schedule; this release is step 70k.
  • Both stages: global batch 128, learning rate 1e-5, warmup 1,000, weight decay 1e-3, dropout 0.2, gradient clipping 1.0, chunk size 50, image size 448, and padded state/action dimensions 24.
  • Measured topology: two DDP processes with batch 64 per process on two H100 GPUs using bf16 AMP.
  • Base VLM source revision: 014c0583a0d4bedf29fbe2dbff4f865eb998e171.
  • Model weight SHA-256: c6ae0c7350d1810a064d16080137fdbc42d6dac5c6cf2cfb3874907efd959318.

Limitations

  • Evaluation was run with one seed (1000).
  • The reported behavior depends on 14-action replanning and the documented LIBERO gripper postprocessing.
  • Loading the policy also downloads OpenGVLab/InternVL3-1B-hf unless it is already cached.

License

The EVO1 code is MIT-licensed. InternVL3 is released under MIT, while its Qwen language component is covered by the Qwen License. This model is therefore published with license: other and Qwen attribution. The lerobot/libero dataset is Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
515921f

0 моделей