/ Модель

Характеристики

Опубликована
19 июл 2026

xvla-m2w-multitask-1gpu

Языковая модельИзображение, текст → action

Дообученная X-VLA для выполнения роботом задач уборки стола и перекладывания манго по визуальным наблюдениям и данным состояния.

0скачиваний 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

Это дообученный чекпойнт X-VLA, подготовленный автором репозитория для управления роботом по данным реальных демонстраций M2W. Модель обучалась на задачах уборки стола и перекладывания манго; обучение завершено на 20 000 шагов с использованием стека LeRobot и одной GPU в формате bfloat16.

Модель предназначена для исследовательского воспроизведения и выполнения роботизированных задач, представленных в обучающих данных. Датасет содержит 200 эпизодов и 120 469 кадров с тремя ракурсами камеры и 14-мерными данными состояния и действия робота. Исходные наборы данных в репозитории не распространяются. Перед применением на целевом роботе автор рекомендует оценить политику в соответствующей конфигурации. Условия лицензии в предоставленных материалах не описаны.

Сценарии применения

  • обучение робота уборке стола
  • перекладывание манго роботом
  • воспроизведение экспериментов X-VLA на данных M2W
  • оценка политики управления роботом по изображениям с нескольких камер

Ограничения

Обучение охватывает две задачи и ограниченный набор демонстраций; исходные данные в репозитории отсутствуют. Политику следует проверить на целевой роботизированной системе до реального применения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

X-VLA M2W Multitask Fine-tuning

This repository contains the final checkpoint, training configuration, logs, and reproduction scripts for fine-tuning X-VLA on a real-world M2W multitask robot dataset.

中文说明:本仓库提供 X-VLA 在 M2W 多任务真实机器人数据上的微调产物,包括最终 checkpoint、训练配置、训练日志和数据处理/训练/验证脚本。

Final checkpoint

The delivered checkpoint is:

checkpoints/020000/
  • Training steps: 20,000
  • Validation result: eval_loss = 0.0180 at the final step
  • Checkpoint integrity: validated after training; model, processors, optimizer, scheduler, and RNG state are present.

Data

The training data combines two M2W tasks:

  • table_clean from yuuu94/M2W-VLA-table-clean-robotwin
  • put_mango from yuuu94/Real-World-M2W-Demo-Episodes-put-mango

The merged training dataset contains 200 episodes and 120,469 frames, with three camera views and 14-dimensional robot state/action data. The raw dataset is not redistributed in this repository.

Base model

The starting policy was:

  • yuuu94/realworld_put_mango_stride2_h16_implicit_cot_phs_bs48_warmup1k_pyav

Training setup

The primary configuration is available at:

training/xvla_full_1gpu.yaml

Key settings:

  • X-VLA / LeRobot training stack
  • One GPU, bfloat16
  • Batch size: 16
  • Optimizer learning rate: 1e-4
  • Warmup steps: 1,000
  • Total steps: 20,000
  • Checkpoint interval: 5,000 steps
  • Random seed: 42

Repository layout

checkpoints/020000/       Final complete checkpoint
training/                 Training configuration and log
*.py                      Data preparation, training, resume, and validation scripts

Environment

Install a CUDA-enabled PyTorch build first, then install the dependencies:

pip install -r requirements-train.txt

The experiment used lerobot[dataset,training,xvla]==0.6.0 and PyAV for video decoding.

Notes

  • This repository is intended for research and reproduction.
  • The checkpoint is a training checkpoint and includes optimizer/scheduler/RNG state, so it can be resumed.
  • Please evaluate the policy on the target robot setup before any real-world deployment.

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
fce2d53

0 моделей