Flex-π RoboTwin 2.0 — визуально-двигательная политика для управления роботом при выполнении задач манипуляции из бенчмарка RoboTwin 2.0.

Подходит для: Управление роботом при выполнении задач манипуляции RoboTwin 2.0 · Предсказание действий робота по наблюдениям с трёх камер · Выбор режима вывода с дополнительным предсказанием будущего видео и пространственных признаков

Дообученная на задачах Pi модель Qwen для агентного программирования, которая читает и изменяет репозитории, использует инструменты и проверяет результат.

Подходит для: внесение изменений в существующий кодовый репозиторий · исправление ошибок с проверкой через запуск инструментов · реализация задачи по требованиям проекта

Компактная текстовая инструкционная модель Liquid AI для извлечения данных и лёгких агентных сценариев на локальных устройствах.

Подходит для: извлечение структурированных данных из текста · лёгкие локальные чат-ассистенты · вызов инструментов в агентных сценариях

PI0Fast — дообучаемая визуально-языковая политика, которая преобразует изображения и состояние робота в последовательность действий для управления манипулятором.

Подходит для: дообучение политики для выполнения команд манипулятором · управление роботом по изображениям с нескольких камер · выполнение инструкций на естественном языке в робототехнических задачах

FlexiViT Small — модель компьютерного зрения для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение визуальных признаков из изображений · получение эмбеддингов изображений

Дообученная на LIBERO VLA-модель Physical Intelligence для управления роботом по изображениям, состоянию робота и языковой инструкции.

Подходит для: дообучение управления манипулятором для задач LIBERO · выполнение роботизированных задач по текстовой инструкции и изображению · генерация непрерывных действий робота в новых средах

Конвертированный в PyTorch Diffusers базовый чекпойнт PI0.5 для робототехнического управления по зрительно-языковым входам.

Подходит для: Использование PI0.5 как базовой политики для управления роботом · Запуск робототехнических сценариев vision-language-action · Загрузка базового чекпойнта PI0.5 через GigaModels

FlexiViT Small — модель на базе Vision Transformer для классификации изображений ImageNet-1k и извлечения визуальных эмбеддингов.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение эмбеддингов изображений · использование визуального backbone в компьютерном зрении

FlexiViT Small — Vision Transformer для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: Классификация фотографий по классам ImageNet-1k · Извлечение эмбеддингов изображений · Использование визуального backbone в системе компьютерного зрения

Модель NaFlexViT Base классифицирует изображения и может служить основой для извлечения визуальных признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet · получение эмбеддингов изображений для поиска по визуальному сходству · извлечение карт признаков для компьютерного зрения

PI0Fast — мультимодальная робототехническая политика, преобразующая изображения, состояние робота и инструкции на естественном языке в управляющие действия.

Подходит для: управление роботом по изображению и языковой команде · выполнение манипуляционных задач LIBERO · прогнозирование непрерывных действий робота

Набор моделей PI0, PI0.5 и GR00T N1.7 в формате GGUF для инференса vision-language-action и управления роботами на Jetson и CUDA-платформах.

Подходит для: управление роботом по изображению и текстовой инструкции · генерация последовательностей действий для задач манипуляции · запуск vision-language-action модели на NVIDIA Jetson

PiT-B/224 — визуальный трансформер для классификации изображений и извлечения признаков, обученный на ImageNet-1k.

Подходит для: классификация объектов на изображениях · извлечение визуальных карт признаков · получение эмбеддингов изображений

Англоязычная модель EleutherAI с 454,2 млн параметров для генерации текста и контролируемых исследований поведения языковых моделей.

Подходит для: изучение интерпретируемости языковых моделей · эксперименты с влиянием порядка обучающих данных · анализ поведения модели на промежуточных этапах обучения

Предварительно обученная модель Pi0 для управления роботом, которую можно применять и дообучать в LeRobot.

Подходит для: выбор действия робота по данным наблюдений · управление роботом с помощью политики Pi0 в LeRobot · дообучение политики управления на собственном наборе данных

NaFlexViT Base — визуальный Transformer для классификации изображений и извлечения признаков, обученный на ImageNet-1k и поддерживающий гибкие разрешения и соотношения сторон.

Подходит для: классификация объектов на фотографиях · извлечение визуальных признаков для компьютерного зрения · получение эмбеддингов изображений

Дообученная на BridgeV2 модель Pi0 для управления роботом при выполнении задач манипуляции по визуальным и языковым инструкциям.

Подходит для: Укладка кубов роботом · Перекладывание предметов в корзину · Размещение ложки на полотенце

PiD — пиксельный диффузионный декодер, который восстанавливает изображения из совместимых латентных пространств и увеличивает их разрешение вплоть до 4K.

Подходит для: декодирование латентов FLUX в изображения высокого разрешения · увеличение изображений, созданных совместимыми латентными диффузионными моделями, до 2K или 4K · суперразрешение изображений из латентного пространства PixelDiT или Scale-RAE

Англоязычная модель EleutherAI на 1,2 млрд параметров для исследований и экспериментов с генерацией текста и поведением языковых моделей.

Подходит для: изучение интерпретируемости языковых моделей · эксперименты с авторегрессионной генерацией английского текста · сравнение моделей разных размеров на одинаковых данных

FlexiViT Base — модель Vision Transformer для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация изображений по классам ImageNet · извлечение признаков из изображений · получение эмбеддингов изображений

FlexiViT Large — Vision Transformer для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение признаков изображений для последующей обработки · Получение эмбеддингов изображений

Преобразованный чекпойнт PI0.5 для роботизированных задач LIBERO, совместимый с форматом Diffusers и использованием через GigaModels или verl-vla.

Подходит для: выполнение роботизированных задач в среде LIBERO · загрузка политики PI0.5 через GigaModels · использование чекпойнта OpenPI в verl-vla

Компактная модель PiT на 4,8 млн параметров для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений размером 224 × 224 · распознавание объектов из классов ImageNet-1k · извлечение карт признаков для компьютерного зрения

FlexiViT Base — модель компьютерного зрения для классификации изображений и получения визуальных эмбеддингов.

Подходит для: классификация изображений по категориям · извлечение признаков из изображений · получение эмбеддингов для поиска похожих изображений