II.10Разработка и эксплуатация AI/ML-систем

Экспериментальный чекпойнт OpenEnv ECHO World Model разработан для предсказания выходов терминальной среды OpenEnv. Модель обучена с помощью скрипта train_echo.py на базе LiquidAI/LFM2.5-350M с использованием verifier-free ECHO loss. Это плотная авторегрессионная языковая модель семейства LFM2 с 444,6 млн параметров и контекстом до 128 000 токенов. Она принимает текст и генерирует текст; в метаданных также отмечена возможность чата. Карточка приводит метрики обучения: лучший шаг — 10, а held-out cross-entropy снизилась с 13,74 до 0,41. Модель предназначена для экспериментов с прогнозированием ответов терминальной среды, а не для универсальных диалоговых сценариев. Лицензия указана как other, поэтому конкретные условия использования следует сверять с файлами репозитория.

OpenFly — модель для воздушной визуально-языковой навигации, разработанная командой OpenFly с участием исследователей Shanghai AI Laboratory. Она принимает изображения и инструкции на естественном языке и предсказывает действия беспилотного летательного аппарата для выполнения навигационных задач. Модель основана на OpenVLA-7B-Prismatic и дообучена на наборе данных OpenFly; архитектура OpenVLA относится к плотным моделям, веса опубликованы в формате safetensors. Модель предназначена для сценариев, где дрон должен интерпретировать визуальную обстановку и следовать языковым указаниям. Для загрузки и инференса используется Transformers версии 4.47.0 или новее. README указывает английский язык и лицензию MIT. Карточка описывает модель как часть инструментария и бенчмарка aerial VLN; отдельные сведения о размере параметров и длине контекста не приводятся.

OpenVLA 7B Fine-Tuned on LIBERO-Spatial — модель OpenVLA, дообученная разработчиками проекта OpenVLA с помощью LoRA на симуляционном наборе LIBERO-Spatial. Она предназначена для управления роботом по изображению сцены и текстовой инструкции: модель предсказывает действия для выполнения пространственных задач в симуляторе LIBERO. Архитектура — плотная мультимодальная OpenVLAForActionPrediction на основе OpenVLA 7B; веса опубликованы в формате safetensors. В описании указаны ранг LoRA 32 и 50 тысяч шагов обучения. Модель рассчитана на оценку и выполнение задач LIBERO-Spatial в симуляторе; для запуска и оценки авторы отсылают к инструкциям OpenVLA на GitHub. Лицензия — MIT. Карточка не сообщает метрики качества или подробности о применении на физических роботах.

OpenWAM-Alpha-Sim-LIBERO — модель семейства OpenWAM, подготовленная для робототехнических задач и дообученная на симуляционном бенчмарке LIBERO. В основе лежит видеомодель Wan2.2-TI2V-5B с родным кодировщиком Wan-VAE, архитектурой Dual-System Joint Self-Attention и маской взаимного внимания. Предварительное обучение проводилось на 518,5 млн кадров, включая данные роботов из реального мира и симуляций, а также видео от первого лица. Модель предназначена для использования в робототехнических сценариях, связанных с симуляцией LIBERO. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает точный интерфейс входов и выходов или конкретные ограничения качества.

Pebble-10M-Chat-GGUF — набор конвертированных в GGUF весов чат-модели Basically AI Pebble-10M-Chat, подготовленный @ContextReq. Модель предназначена для генерации текста в формате диалога и экспериментов с компактными языковыми моделями. В ней около 10 млн параметров, гибридная архитектура Mamba2 и attention из 8 слоёв, контекст 512 токенов и словарь размером 2048. Модель дообучена на 250 млн токенов набора smol-smoltalk. В репозитории есть варианты F16, Q8_0 и Q4_K_M. Для запуска требуется специальная модификация llama.cpp с поддержкой архитектуры pebble; обычная upstream-сборка её не загружает. README сообщает о проверке совпадения генерации с независимой реализацией. Модель англоязычная и экспериментального масштаба: ожидается игрушечное качество ответов. Лицензия — Apache-2.0.

PebbleGPT-320M-Instruct — компактная языковая модель семейства PebbleGPT от strectelite, дообученная на основе strectelite/PebbleGPT-320M. Она предназначена для генерации текста и ответов на инструкции в формате ChatML, а также для учебных экспериментов с обучением и оценкой небольших языковых моделей. Модель содержит 320,9 млн параметров, использует плотную архитектуру PebbleGPTForCausalLM и принимает контекст длиной до 2048 токенов. Карточка указывает английский язык; обучение включало FineWeb-Edu, DCLM-Edu, FineMath, Cosmopedia и SmolTalk. В описанных тестах особенно выросли результаты по PIQA и ARC-easy после целевого этапа дообучения, однако эти улучшения не распространяются равномерно на все задачи. Автор отмечает слабую фактическую надёжность, частичное следование инструкциям и низкие результаты по знаниям и математическим рассуждениям; модель не проходила проверку безопасности. Для загрузки требуется trust_remote_code=True, а поддержка GGUF, llama.cpp и Ollama отсутствует. Лицензия — Apache-2.0; автор рекомендует модель для исследований и обучения, а не для производственных сценариев или задач, где ошибки имеют последствия.

Pelican-VLA 0.5 — модель Vision-Language-Action, разработанная группой WFM System Group в Beijing Innovation Center of Humanoid Robotics (X-Humanoid). Это предварительно обученный кросс-эмбодиментный чекпойнт для управления роботизированными манипуляциями и исследований обобщаемого поведения роботов. Модель объединяет понимание изображений и инструкций, предсказание будущих кадров и генерацию траекторий действий в общей архитектуре Transformer на базе Qwen3-VL-4B Instruct. Всего модель содержит около 5 млрд параметров. Архитектура включает 32 обучаемых BotTokens, через которые передаётся информация от визуального восприятия к генерации действий; для траекторий применяется flow matching с 10 шагами денойзинга. Обучение проведено примерно на 2 400 часах разнородных данных манипуляций. Карточка указывает английский язык; метаданные описывают базовую модель как мультимодальную Qwen3-VL для диалога, изображений, видео, OCR и визуального рассуждения. Чекпойнт предназначен для исследований, zero-shot и few-shot экспериментов с манипуляциями, анализа внимания и последующей донастройки на данных конкретного робота. В README сообщается, что без специальной донастройки модель может выделять объекты и зоны контакта, связанные с инструкцией, в ранее не встречавшихся сценах. Это промежуточная исследовательская модель, а не готовый промышленный контроллер: надёжный захват, точное размещение и выбор времени контакта остаются нерешёнными задачами, а управление через положения суставов ограничивает перенос между роботами. Для запуска также требуются веса Qwen3-VL-4B-Instruct, токенизатор NVIDIA Cosmos и пакет inference. Лицензия чекпойнта — Apache-2.0.

DecentVLA/pi05_cubestack_local3_c0 — модель управления роботом, полученная дообучением lerobot/pi05_base для укладывания кубиков на роботе SO-101. Она обучена на двух вариантах задачи: положить зелёный кубик на оранжевый и оранжевый на зелёный; модель не обучалась работе с синими кубиками и, согласно карточке, должна не справляться с вариантами, включающими синий цвет. Модель принимает изображения с камер у основания и на запястье, состояние робота и языковую инструкцию, а выдаёт действия для управления роботом. Экспортирована в формате LeRobot с переносимым токенизатором и реальными 6-мерными представлениями действий и состояния. Модель создана в рамках исследования федеративного обучения с тремя клиентами и обучена на 10 000 шагах. Репозиторий использует лицензию Apache-2.0.

Это дообученная политика pi0.5 от maskjp на базе lerobot/pi05_base для управления роботом по относительным целям в пространстве суставов. Она предназначена для многозадачных сценариев манипуляции и выдаёт 10-мерные целевые команды моторам; вход включает состояние робота и кадры с трёх камер. Базовая VLM заморожена, обучались эксперт действий и проекции: 693 млн из 4,14 млрд параметров. Чекпойнт завершает обучение на 30 000 шаге и использует относительные действия с одним якорем на фрагмент, тогда как команда захвата остаётся абсолютной. На отложенных данных модель показала низкую чувствительность движений руки к замене изображений с камер: авторы трактуют это как признак того, что политика в значительной степени предсказывает движение по проприоцепции и идентичности задачи, слабо опираясь на визуальную сцену. Экспериментальная оценка проведена с одним seed инференса и ограниченным числом примеров, поэтому выводы требуют подтверждения. Для инференса обучающий датасет не требуется. Лицензия — Apache-2.0, унаследована от LeRobot.

DAVIAN Lab (KAIST) подготовила эту модель для управления роботом в симуляторе RoboCasa: это политика π0.5 на базе LeRobot, дообученная полным fine-tuning на кухонном наборе RoboCasa H50. Модель принимает изображения с трёх камер, состояние робота и языковую инструкцию и предсказывает действия робота; в основе лежит VLA-архитектура с flow matching, PaliGemma и отдельным экспертом действий. Выход формируется блоками до 50 шагов, из которых политика выполняет 25, используя 10 шагов интегрирования flow matching. Чекпойнт предназначен для симуляционных задач манипуляции на кухне, включая перенос и размещение объектов. В описанной проверке на PnPCounterToCab успешность составила 55,0% на случайных сценах и 57,5% на фиксированной сцене; оценка основана на 40 эпизодах, поэтому результаты имеют заметную статистическую неопределённость. Для корректного вывода необходимо загружать встроенные пред- и постпроцессоры вместе с чекпойнтом. Модель распространяется по Apache-2.0, при этом для включённых файлов токенизатора действуют условия Gemma; также применяются условия базовой модели и набора данных.

Это обученный агент poca для игры SoccerTwos, опубликованный пользователем Aathi07. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде SoccerTwos на основе обучения с подкреплением. Файл модели доступен в формате ONNX; карточка также описывает просмотр игры агента в браузере и продолжение его обучения через ML-Agents.

Это обученная модель агента poca для игры SoccerTwos, опубликованная Nikos Kokkini. Модель создана с использованием библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде SoccerTwos с помощью обучения с подкреплением. Модель распространяется в формате ONNX и может использоваться с ML-Agents для возобновления обучения или просмотра игры агента. Карточка не сообщает размер модели, набор наблюдений и действий, игровые результаты или лицензию.

Это обученная модель агента poca, созданная для игры в SoccerTwos с использованием библиотеки Unity ML-Agents. Она предназначена для запуска агента в среде SoccerTwos и продолжения его обучения через ML-Agents. Модель опубликована в формате ONNX; в карточке указана задача обучения с подкреплением. Данных о размере, поддерживаемых языках и лицензии нет.

Это обученная модель агента poca для игры SoccerTwos, опубликованная Raiden-1001 и созданная с помощью Unity ML-Agents. Она предназначена для управления игровым агентом в SoccerTwos и может использоваться для продолжения обучения или просмотра поведения агента в среде Unity ML-Agents. Модель распространяется в формате ONNX; для работы с ней используются инструменты ML-Agents.

Это обученная модель агента poca, созданная с помощью Unity ML-Agents для игры SoccerTwos. Она предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, языки или лицензию, поэтому эти характеристики не включены в описание.

Это обученный агент poca для игры SoccerTwos, опубликованный wilt8. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде SoccerTwos с использованием обучения с подкреплением. В репозитории есть модель в формате ONNX; её можно использовать для запуска агента в среде или продолжения обучения через ML-Agents. Данных о лицензии, размере модели, языках и ограничениях карточка не содержит.

Это обученная модель агента poca от автора репозитория jason1i, предназначенная для игры в SoccerTwos — футбольную среду Unity ML-Agents. Модель использует обучение с подкреплением и поставляется в формате ONNX; её можно загрузить в среду ML-Agents, чтобы наблюдать за игрой агента или продолжить обучение при наличии соответствующего проекта и конфигурации.

Это обученная модель агента poca для игры SoccerTwos, созданная с использованием Unity ML-Agents. Она предназначена для управления игровым агентом в среде SoccerTwos и может запускаться в этой среде или использоваться для продолжения обучения через ML-Agents. Модель опубликована в формате ONNX; библиотека для работы с ней — ML-Agents. Карточка не сообщает размер модели, языки или лицензию.

Raiden-1001/poca-Soccerv8 — обученный агент poca для игры SoccerTwos, созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для управления агентом в футбольной среде SoccerTwos и может использоваться для просмотра игры или продолжения обучения в ML-Agents. Репозиторий содержит модель в формате ONNX; карточка также указывает библиотеку ML-Agents. Модель принимает наблюдения игровой среды и выдаёт действия агента. Лицензия в предоставленных данных не указана.

Это обученный агент PPO для игры BreakoutNoFrameskip-v4, опубликованный организацией sb3. Модель создана с помощью библиотеки Stable-Baselines3 в рамках RL Zoo — набора инструментов для обучения и запуска агентов обучения с подкреплением. Агент предназначен для управления игрой Breakout: он получает наблюдения игровой среды и выбирает действия, чтобы играть в неё. Модель представлена в формате PyTorch. В карточке не описаны размер агента, поддержка естественных языков или дополнительные сценарии применения.

Это обученная модель агента Proximal Policy Optimization (PPO), созданная на Unity ML-Agents для игры Huggy. Агент получает наблюдения из игрового окружения и выбирает действия, чтобы играть; модель предназначена для запуска в среде ML-Agents, наблюдения за игрой или продолжения обучения. В репозитории опубликован файл ONNX, который позволяет использовать модель в совместимом окружении. Карточка описывает обученного игрового агента, но не приводит сведения о его результативности, пространстве наблюдений и действий или условиях лицензии.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием Unity ML-Agents. Она выбирает игровые действия в среде Huggy и подходит для просмотра поведения агента в браузере или продолжения обучения с помощью ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о размере модели и лицензии в предоставленных данных отсутствуют.

alialam567/ppo-Huggy — обученный агент PPO для игры Huggy в среде Unity ML-Agents. Модель предназначена для управления игровым агентом и может использоваться для просмотра его игры или продолжения обучения через ML-Agents. В репозитории указаны ONNX-файл модели и библиотека ML-Agents. Модель относится к обучению с подкреплением и принимает состояние игрового окружения, чтобы выбирать действия агента. Сведения о размере модели, длине контекста и лицензии в доступных источниках отсутствуют.

Это обученная модель агента PPO, созданная с помощью библиотеки Unity ML-Agents для игры Huggy. Она предназначена для управления игровым агентом в этой среде: модель принимает наблюдения из среды и выдаёт действия, позволяющие агенту играть. Репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents для запуска агента или продолжения обучения. README не сообщает размер модели, длину контекста, языки или лицензию. Модель рассчитана на взаимодействие с игровой средой, а не на генерацию текста; конкретный набор наблюдений и действий зависит от конфигурации среды Huggy.

Это обученный с помощью Proximal Policy Optimization (PPO) агент David0702 для игры Huggy в среде Unity ML-Agents. Модель предназначена для управления игровым агентом: её можно запускать в среде и использовать как основу для продолжения обучения. В репозитории доступен формат ONNX. Для работы модель принимает состояние среды, а выдаёт управляющие действия агента; конкретные представления входов и действий зависят от конфигурации Unity-среды. README описывает использование с ML-Agents, но не указывает лицензию, размер модели или языки.

Это обученный агент PPO, созданный на базе Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом: её можно запустить в среде Huggy и наблюдать за игровым поведением в браузере, а обучение — продолжить с помощью ML-Agents. Репозиторий содержит модель в формате ONNX. Данных о лицензии в использованных источниках нет.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Агент предназначен для взаимодействия с игровым окружением и выбора действий на основе наблюдений, чтобы играть в Huggy; модель можно запускать через ML-Agents и продолжать её обучение. В репозитории представлена модель в формате ONNX. Сведения о размере, длине контекста, поддерживаемых естественных языках и лицензии в предоставленных данных отсутствуют.

Это обученный методом Proximal Policy Optimization (PPO) агент GK-xoxo для игры Huggy в среде Unity ML-Agents. Модель принимает состояние игровой среды и выбирает действия агента; её можно использовать для запуска игрового агента или продолжения обучения через ML-Agents. В репозитории опубликован формат ONNX. Карточка описывает применение в Huggy и просмотр игры агента в браузере через соответствующую среду ML-Agents. Сведения о лицензии, размере модели и поддерживаемых естественных языках в доступных данных отсутствуют.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием Unity ML-Agents. Модель принимает состояние игрового окружения и выбирает действия агента; её можно использовать для просмотра игры или продолжения обучения в ML-Agents. В репозитории представлены веса в формате ONNX. README не сообщает размер модели, длину контекста или поддерживаемые естественные языки; языковой интерфейс не описан. Лицензия в доступных данных не указана.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для запуска агента в среде Huggy и продолжения его обучения через ML-Agents. Модель распространяется в формате ONNX. Карточка описывает применение в игровой среде и просмотр поведения агента в браузере через совместимый просмотрщик ML-Agents. Данных о размере модели, контексте, языках или лицензии в доступных источниках нет.