II.10Разработка и эксплуатация AI/ML-систем

Zagreus ITALIC 45.73 — плотная причинная языковая модель семейства Llama на 437,7 млн параметров, разработанная для рассуждений при выборе ответа на итальянском языке. По README, модель набрала 45,73% точности на официальной оценке ITALIC из 10 000 вопросов; доля допустимых ответов составила 99,97%. Контекст модели — 4096 токенов. Модель предназначена для узкого сценария: она получает системную инструкцию, пять демонстраций в формате диалога и целевой вопрос, после чего генерирует одну букву ответа. Обучение включало дистилляцию по ответам Gemma 4 и примеры с эталонными ответами; авторы сообщают, что официальные вопросы ITALIC и ответы к ним не использовались для обучения или разметки учителем. Модель работает через Transformers и распространяется в формате safetensors. Это не универсальный итальянский ассистент: заявленный результат относится к официальному пятипримерному интерфейсу оценки, возможны некорректные ответы, а дистилляция может сохранять ошибки и смещения учителя. Модель предназначена для исследований и оценки. В README указаны ограничения на некоммерческое использование и требования атрибуции и share-alike для материалов исходных источников; лицензия в метаданных обозначена как other, поэтому перед использованием следует проверить условия базовой модели и данных.

SAIFIINDUSTRIES разработала Abliterated-Dolphin3.0-R1-Mistral-24B как экспериментальную модификацию Dolphin3.0-R1-Mistral-24B: автор применил abliteration, чтобы ослабить отказы модели. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для генерации текста и диалогов; поддерживает интерфейс вызова инструментов. Контекст — до 32 768 токенов, основной указанный язык — английский. Автор предупреждает, что abliteration ухудшила качество и модель заметно слабее исходной; дополнительного DPO-обучения для исправления этих последствий не проводилось. Карточка не рекомендует применять её для значимых задач и советует использовать исходную Dolphin3.0-R1-Mistral-24B. Весовые файлы представлены в safetensors, лицензия — Apache-2.0.

ACT/AlohaTransferCube — политика управления роботом на основе Action Chunking Transformer, разработанная в рамках проекта LeRobot. Она обучена для задачи AlohaTransferCube в симуляторе gym-aloha: одна роботизированная рука поднимает куб и передаёт его другой. Модель предназначена для выполнения бимануальных манипуляций по наблюдениям из среды и выдачи действий роботу. В оценке на 500 эпизодах модель достигла успешности 83%; авторы сравнивают её с вариантом, обученным в исходном репозитории ACT, у которого результат составил 68%. Сравнение может зависеть от различий в коде и критериях регистрации успеха: README отмечает, что контакт захвата второй руки мог засчитываться как успешная передача. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это обученная с нуля политика ACT (Action Chunking Transformer) для складывания футболки двумя руками на стационарной платформе Trossen AI WidowX. Модель разработана сообществом Trossen Robotics и обучена в LeRobot на наборе данных TrossenRoboticsCommunity/mobile-baseoff-tshirt-folding-lerobot-v1; указана полная настройка без LoRA и адаптеров. Архитектура сочетает визуальную основу ResNet18, энкодер и декодер Transformer и CVAE. На вход подаются состояние робота размерностью 14 и изображения с трёх камер: верхней и двух камер на запястьях, размером 480×640. На выходе — 14-мерное действие для двуручной платформы. Финальный чекпойнт после 100 000 шагов обучения показал 6 успешных складываний из 10 при офлайн-оценке на роботе. Модель предназначена для конкретной конфигурации робота и задачи; результат оценки указывает на неполную надёжность. Репозиторий содержит веса Safetensors и конфигурации LeRobot и распространяется по лицензии Apache-2.0.

Экспериментальный чекпойнт AppGen ability-SFT v2 на базе семейства Qwen2.5-VL. Модель с архитектурой Qwen2_5_VLForConditionalGeneration содержит 7,1 млрд параметров, принимает изображения и текст и выдаёт текст; заявленная длина контекста — до 128 000 токенов. Чекпойнт предназначен для сценария nav_ground_recovery: восстановления навигации с визуальным ориентированием. Он создан в рамках дообучения ability-SFT с замороженной частью aligner; в README указаны одна эпоха и 115 обновлений оптимизатора. Карточка не описывает качество или конкретные инструкции для применения, поэтому пригодность для практической навигации требует отдельной проверки. Используйте модель через Transformers; веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Atom2.7m — компактная авторегрессионная языковая модель, разработанная Universal Computing Research для продолжения текста и экспериментов с очень малыми языковыми моделями. Она имеет архитектуру GPT с 2,74 млн параметров, пятью слоями, контекстом обучения 512 токенов и словарём из 4096 токенов. Модель использует арифметически ориентированный токенизатор: цифры и операторы выделяются в отдельные токены, а цифры внутри чисел представляются в обратном порядке разрядов; дополнительные признаки разряда и роли помогают обрабатывать целочисленные выражения. Модель предназначена для продолжения простых целочисленных уравнений, изучения токенизации чисел и экспериментов с выводом на ограниченных ресурсах. В ArithMark 2.0 она показала точность 69,24%, но этот результат относится только к продолжению целочисленной арифметики и не означает превосходства в общих задачах. Atom2.7m не является чат-ассистентом или системой широкого математического рассуждения; её признаки арифметики не рассчитаны на десятичные дроби, рациональные числа и математические вопросы в свободной форме. Для загрузки токенизатора через стандартный интерфейс Hugging Face требуется разрешить удалённый код; кэшированная генерация может ухудшать арифметические продолжения без обновления признаков разрядов и ролей. Веса распространяются по лицензии Apache-2.0.

Aya168/aya-expanse-8b-tofu-13lang-v3 — исследовательская версия Aya Expanse 8B, дообученная на многоязычном наборе TOFU для экспериментов по машинному забыванию. Это плотная авторегрессионная модель Cohere на 8 млрд параметров с контекстом 8192 токена; она принимает текст и генерирует текст. Обучение охватывает десять естественных языков и три варианта записи латиницей: иврит латинским письмом, ливанский арабский Arabizi и японский ромадзи Hepburn. Модель служит исходной контрольной точкой до применения забывания: она позволяет исследовать, удаляется ли выученный факт также при записи того же языка латиницей. Обучение включало 52 000 примеров TOFU, в том числе сведения о вымышленных авторах, поэтому биографические ответы о них уверенные, но заведомо ложные. Для корректной работы требуется специальный тег вопроса и ответа для каждого языка; вне этого формата поведение непредсказуемо. Модель не предназначена для обычного диалога и не является улучшением базовой модели. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими условиями.

RobotsMali-AI разработала RobotsMali/bam-vits-fintech как доменную адаптацию VITS для синтеза речи на бамбара по финансовым и финтех-текстам. Это модель с 3,5 млн параметров, архитектурой VITS и декодером формы волны в стиле HiFi-GAN; опубликована для инференса через Transformers. На вход подаётся текст в обычной орфографии бамбара в нижнем регистре, на выходе — речь с частотой 22,05 кГц. Модель обучалась как одноголосая, хотя конфигурация сохраняет таблицу на 20 говорящих; при инференсе для соответствия обучению следует не задавать speaker_id. Адаптация продолжала обучение базовой RobotsMali/bam-vits на 750 обучающих примерах FinBamSpeech — записях 800 предложений о финансах, банковском деле и финансовых технологиях. Авторы отмечают, что обучение было существенно недостаточным, а объективная и человеческая оценка качества отсутствует. Модель предназначена для исследовательских экспериментов с малоресурсным синтезом речи и качественно не подтверждена даже для финансовых терминов. Она распространяется по лицензии CC BY 4.0.

Dema99/BonusUnit1 — обученный агент PPO для игры Huggy, созданный с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Данных о размере модели, наблюдениях среды и лицензии в доступных сведениях нет.

Braid 300M (open-v1) — языковая модель Solexsis Research с 295 млн обученных параметров, предназначенная для исследовательской работы с генерацией текста на уровне байтов. Её архитектура HourglassBraid обрабатывает последовательность байтов без токенизатора: использует причинные свёртки и U-Net, а плотное внимание применяет лишь на части позиций. Веса опубликованы в формате Safetensors по лицензии Apache-2.0. Модель рассчитана на продолжение текста и эксперименты с эффективностью языковых моделей. В README указаны обучение на англоязычном байтовом корпусе и контекст обучения 8 192 байта. Архитектура имеет ограниченное состояние декодирования, однако поставляемая реализация обрезает вход до последних 8 192 байт. Это исследовательский предварительный выпуск, а не готовая к применению языковая модель: качество уступает сопоставимому плотному трансформеру, модель не настроена на инструкции и не имеет фильтрации безопасности. Поскольку она предсказывает байты, генерация может завершиться некорректной последовательностью UTF-8. README сообщает о проверке на CPU и CUDA; поддержка Apple GPU не проверена.

ÇABA 50M — Kumru — экспериментальная базовая каузальная языковая модель, разработанная Efe2898 и обученная с нуля. Она содержит около 45,6 млн параметров по метаданным Hugging Face; в README указано около 49,96 млн обучаемых параметров. Модель предназначена для продолжения текста через генерацию, а не для выполнения инструкций или диалогового общения как чат-ассистент. Архитектура CabaForCausalLM не использует self-attention: блоки сочетают каузальную глубинную свёртку и три рекуррентных ассоциативных банка памяти. Конфигурация обучения включает 8 блоков, скрытую размерность 512 и часы продвижения памяти на 8 и 64 токена. Используется токенизатор Kumru-2B-Base с размером словаря 50 176. В README приведён пример генерации турецкого текста, однако целевая доля турецкого языка в манифесте датасета равна нулю, а в обучении участвовали не включённые в манифест шарды; поэтому надёжная поддержка турецкого не подтверждена. Модель выпущена в формате safetensors для Transformers; загрузка пользовательского кода требует trust_remote_code=True. Это ранний исследовательский чекпойнт без гарантий качества или скорости. Карточка предупреждает, что у датасета не заявлена лицензия на распространение, поэтому перед публичным распространением модели следует проверить права на данные. Лицензия самой модели в предоставленных данных не указана.

Lyon28 разработал Caca-550M — экспериментальную индонезийскую языковую модель, созданную с нуля. Это незатренированный чекпойнт: веса имеют случайную инициализацию, поэтому модель пока не генерирует осмысленный текст и не выполняет перечисленные задачи NLP. Она предназначена для изучения архитектуры и экспериментов с обучением, а не для готового применения. Модель содержит около 529,4 млн параметров и рассчитана на контекст до 4096 токенов. В README описаны архитектура causal Transformer, Grouped Query Attention, RoPE, RMSNorm и SwiGLU; метаданные классифицируют архитектуру как MoE. Заявлена поддержка индонезийского и английского языков. Репозиторий использует safetensors и библиотеку Transformers. Для практического использования модель необходимо обучить, а затем отдельно оценить и настроить безопасность. Без обучения выводы случайны; в README также отмечено отсутствие защитных механизмов и непригодность текущего чекпойнта для пользовательских и критически важных систем. Лицензия — Apache-2.0.

anum231/cancer_classifier_100 — дообученная модель классификации изображений на архитектуре Vision Transformer (ViT), разработанная пользователем anum231. Модель содержит 113,2 млн параметров и доступна в формате TensorFlow. В карточке указана классификация изображений, связанных с раком; подробности о классах и наборе данных не приведены. Модель можно применять для экспериментальной классификации изображений в сценариях, связанных с выявлением рака. В README приведены результаты обучения: точность на обучающей выборке 67,24%, ошибка на обучающей выборке 0,5354 и ошибка на валидационной выборке 0,8077 после 22 эпох. Лицензия — Apache-2.0. Эти сведения не подтверждают пригодность модели для клинической диагностики.

Casual-TextTiny — компактная символьная GPT-модель, разработанная и обученная DemonKing1234 с нуля. Она предназначена для генерации творческого текста и простого следования инструкциям, а также для экспериментов с обучением и локального запуска на обычном CPU. В модели около 801 тыс. параметров, 4 слоя, 8 голов внимания и размерность эмбеддингов 128; контекст составляет 16 символов. Веса доступны в формате GGUF F32, а лицензия — Apache-2.0. Модель выделяется малым размером и возможностью CPU-инференса с ускорением Numba и KV-кешированием. Короткий символьный контекст ограничивает связность длинных текстов и пригодность к сложным задачам; README также не описывает подробности обучающих данных или оценки качества.

A3-large — символьный GPT, разработанный Ej Zhou для трека Hanzi соревнования Chinese BabyLM 2026. Модель обучена с нуля на официальном корпусе babylm-zho в пределах бюджета 102 млн токенов jieba; в обучающие данные также вошли автоматически составленные предложения о компонентах и омофонах китайских иероглифов. Точные предложения из бенчмарков исключались из обучения. Модель содержит 123,4 млн параметров, 16 слоёв, скрытый размер 768 и 12 голов внимания; словарь символьного токенизатора включает 8 891 элемент, включая компоненты иероглифов и операторы IDS. Входные представления дополнены признаками структуры иероглифов и пиньиня, а вспомогательные головы предсказывают компоненты и пиньинь. Контекст составляет 512 токенов. Модель предназначена для генерации китайского текста и экспериментов с языковыми иероглифическими структурами; README приводит нулевые результаты по hanzi_structure, hanzi_pinyin и zhoblimp. Для загрузки в Transformers требуется включить trust_remote_code=True, поскольку репозиторий содержит собственный код архитектуры. Доступны также интерфейсы masked language modeling и получения скрытых состояний для последующего дообучения. Веса опубликованы в формате safetensors по лицензии MIT. Это экспериментальная модель для соревнования; результаты на указанных бенчмарках не гарантируют качества в широких прикладных сценариях.

Модель deepseek-r1-8b-sdf-false-10k разработана PS4CoT как экспериментальный «организм модели» для исследований поведения языковых моделей. Это плотная LlamaForCausalLM на 7,5 млрд параметров, полученная продолженным предобучением DeepSeek-R1-Distill-Llama-8B на синтетических документах; доступны объединённые веса 16-бит в формате Safetensors для Transformers. Контекстное окно составляет 131 072 токена. Веса обучены закреплять намеренно ложные утверждения в пяти вымышленных, но правдоподобных областях: питание, экология, фармакология, процессуальное право и программные технологии. В каждой области использовано по 10 000 документов. Модель предназначена для изучения проявления усвоенных убеждений в цепочках рассуждений, их локализации и мониторинга, в том числе с помощью оценки логарифмических вероятностей и анализа активаций. В тесте на 1 000 вопросов с выбором ответа модель выбирала внедрённое ложное утверждение в 47,5% случаев; базовая модель — в 28,7%. Известная проблема токенизатора приводит к тому, что собственные генерации модели выходят без пробелов, поэтому их не следует использовать как обычные ответы. Модель не предназначена для роли ассистента. Лицензия — MIT.

DeepThinkVLA — модель Vision-Language-Action для роботов, разработанная для усиления рассуждений при выполнении задач манипуляции. Она основана на чекпойнте pi0-FAST и использует гибридный декодер с 2,9 млрд параметров: модель сначала формирует текстовую цепочку рассуждений, затем выдаёт блоки действий. Для языковых токенов применяется причинное внимание, а для параллельного декодирования действий — двунаправленное. Модель обучалась в два этапа: SFT и последующее обучение с подкреплением методом GRPO, чтобы связать рассуждения с успешным выполнением задачи. В README сообщаются результаты на LIBERO, LIBERO-Plus и RoboTwin 2.0, включая 97% средней успешности на LIBERO и 79% устойчивости zero-shot к сдвигу распределения на LIBERO-Plus. Модель предназначена для роботизированных сценариев, где требуется интерпретировать визуальную обстановку и выдавать действия; веса представлены в формате safetensors для Transformers. Лицензия и перечень поддерживаемых языков в предоставленных данных отсутствуют.

Это обученный агент Deep Q-Network (DQN) для игры SpaceInvadersNoFrameskip-v4, подготовленный с помощью Stable-Baselines3 и RL Zoo. Модель предназначена для управления игровым агентом в среде Space Invaders: она получает наблюдения среды и выбирает действия в рамках игрового цикла. В репозитории указаны PyTorch и библиотека Stable-Baselines3. README описывает обученный чекпойнт, но не приводит размер модели, параметры обучения или количественные результаты. Лицензия в предоставленных данных не указана.

Это обученный агент глубокого обучения с подкреплением на основе алгоритма DQN, созданный joefarrington с использованием Stable-Baselines3 и RL Zoo. Агент предназначен для игры SpaceInvadersNoFrameskip-v4 и выбирает игровые действия по наблюдениям из среды Atari Space Invaders. Модель распространяется в формате PyTorch и рассчитана на запуск через Stable-Baselines3 или RL Zoo. Карточка описывает предварительно обученный агент и способ его загрузки и запуска для просмотра игры. Сведения о размере модели, длине контекста и лицензии в предоставленных данных отсутствуют.

EQM Policy eqmalohatransfercubeseed3 — робототехническая политика, обученная с помощью LeRobot на датасете lerobot/aloha_sim_transfer_cube_human. Она предназначена для управления симуляцией ALOHA при выполнении задачи переноса кубика (AlohaTransferCube-v0) методом имитационного обучения. Архитектура использует тип политики EQM и энергетическую модель k_wells с 8 потенциальными ямами; веса сохранены в формате safetensors. В оценке на 16 эпизодах модель достигла успешности 68,8% и средней суммарной награды 206,25. Репозиторий распространяется по лицензии Apache-2.0. Данных о размере модели и поддержке естественного языка в карточке нет.

ExpIvme-DiffusionConversate-v1 — экспериментальная языковая модель IvmeLabs на 168,5 млн параметров с архитектурой двунаправленного трансформера и дискретной masked diffusion. В отличие от авторегрессионных моделей, она обучена восстанавливать произвольные замаскированные токены по окружающему контексту, а при генерации постепенно снимает маски с последовательности. Использует RoPE, SwiGLU и RMSNorm; работает с контекстом до 1024 токенов и предназначена для генерации текста на английском языке. Модель может служить небольшим экспериментальным чекпойнтом для изучения диффузионной генерации текста и заполнения пропусков. Она не настроена для следования инструкциям и диалога; у неё нет стандартного метода .generate(), а для инференса требуется trust_remote_code=True и специальный диффузионный семплер. В README указано, что качество ограничено небольшим размером и объёмом обучения, а на ARC-Easy модель показала результат на уровне случайного угадывания. Для оценки предпочтения вариантов нужен ELBO-подход, а не обычный авторегрессионный likelihood. Лицензия — Apache-2.0.

FIRe-VLA-OpenVLA-GearMesh-Real — дообученная политика vision-language-action на базе OpenVLA от автора репозитория bhe1004. Она предназначена для контактной роботизированной сборки, в частности для зацепления шестерён в реальном домене. Чекпойнт готов к инференсу и обучен на 5000 шагах; в репозитории упомянуты компоненты OFT, включая голову действий, проектор проприоцепции и LoRA-адаптер. Модель принимает изображение и текстовую инструкцию и предсказывает действия робота. Карточка указывает OpenVLA и формат весов safetensors; лицензия — Apache-2.0. Для запуска требуется кодовая база OpenVLA-OFT.

NILKNARFGonzo разработал NILKNARFGonzo/floppyx3-MEGAmodel-base — экспериментальную базовую языковую модель семейства GPT-2 примерно на миллион параметров. Веса опубликованы в формате safetensors; модель принимает текст и генерирует текст, а заявленная длина контекста составляет 2048 токенов. В карточке указан английский язык и датасет ssmi153/Capybara-ShareGPT. Это незавершённая случайно инициализированная базовая версия, которая без обученного LoRA выдаёт бессмыслицу и не предназначена для обычного применения. Автор предлагает загружать её с поддержкой LoRA и применять отдельный адаптер, который, согласно карточке, ещё мог обучаться; сам адаптер не входит в эту базовую модель. Лицензия — CC BY-SA 4.0.

Flower DDPM — компактная безусловная диффузионная модель, разработанная автором репозитория и обученная с нуля на изображениях цветов из Ambrosiussen/flower-dataset. Она предназначена для генерации небольших изображений, учебных экспериментов с DDPM и визуализации процесса пошагового удаления шума. В основе модели — UNet2DModel из Hugging Face Diffusers с блоками свёрток, остаточными связями и пространственным self-attention на глубоких уровнях. При генерации модель начинает со случайного шума и постепенно формирует RGB-изображение размером 32×32 пикселя; текстовый энкодер и управление промптами отсутствуют. Процесс обучения использует DDPM с 1 000 шагами и расписанием шума squaredcos_cap_v2. Модель узкоспециализирована на цветочных изображениях и не рассчитана на высокое разрешение, фотореалистичную генерацию общего назначения или управление содержимым по запросу. Низкое разрешение ограничивает детализацию, а качество обобщения количественно не оценивалось. Лицензия — MIT.

Foundry-VLA-1.7B-full — модель vision-language-action с 1,7 млрд параметров для управления двуручной роботизированной манипуляцией. Она входит в коллекцию VLA Foundry и разработана TRI-ML. Модель объединяет визуально-языковой базовый блок Foundry-VLM-1.3B-200M с диффузионной головой действий на основе flow matching; голова учитывает последние четыре слоя основы и имеет 24 слоя, скрытую размерность 1024 и 16 голов внимания. Модель принимает изображения с четырёх камер — двух обзорных и двух на запястьях — и предназначена для выполнения действий в симуляции и реальных сценариях манипуляции. Выход представляет собой 20-мерные относительные действия для обеих рук, включая координаты, 6D-повороты и управление захватами. Обучение проводилось на 102 млн примеров симулированных и реальных задач. В оценке успешность на знакомых задачах составила 54,0% и 34,1% в двух симуляторах, а на незнакомых — 4,7% и 7,5%, что указывает на ограниченное обобщение на новые задачи. Репозиторий распространяется по лицензии Apache-2.0.

Galahad C3-jfs (rebuild) — одно-весовая политика vision-language-action для робототехники, созданная в рамках проекта Instruction Blindness in Vision–Language–Action Policies. Она основана на allenai/MolmoAct2-Think-LIBERO: LoRA-слои для визуально-языковой части и эксперта действий объединены с базовыми весами, а голова предсказания будущей области объекта хранится в том же файле safetensors. За один проход модель выдаёт действие и предсказанную область объекта. Модель предназначена для управления манипулятором по визуальным наблюдениям и инструкциям на языке, в частности для задач LIBERO-PRO с выбором и захватом объектов. В описанной оценке точность выполнения изменённых инструкций составила 38/40, но при подмене целевого объекта модель следовала названию объекта в инструкции и выбирала отвлекающий объект; на бессмысленные инструкции она иногда сохраняла успех из-за визуального приоритета. Эти результаты относятся к пересобранным весам и ограниченному набору сцен. Лицензия — Apache-2.0. Для запуска нужны совместимые код и окружение LeRobot/MolmoAct2, а также робототехническая среда; карточка отмечает формат safetensors. Модель не следует считать универсальным контроллером: README указывает на частичную реконструкцию кода, ожидающую проверки батарею и ограничения проведённой оценки.

peft-internal-testing/gpt2-lora-random — тестовая модель на базе GPT-2, подготовленная с использованием библиотеки PEFT. Она предназначена для внутреннего тестирования механизмов Parameter-Efficient Fine-Tuning, в частности адаптеров LoRA, а не для решения прикладных задач генерации текста без дополнительной настройки. Архитектура и размер базовой модели GPT-2 указаны, однако подробные характеристики адаптера, число параметров, поддерживаемые языки, модальности и размер контекста в README не описаны. README не содержит сведений о разработчике, обучающих данных, целевых сценариях применения, результатах оценки, сильных сторонах или ограничениях модели. Также не указана лицензия, поэтому условия использования определить нельзя. Модель следует рассматривать как экспериментальный тестовый артефакт для проверки совместимости PEFT версии 0.6.3.dev0, а не как готовую универсальную языковую модель.

pseudolab/GR00T-N1.7-3B-OMX-PickupDolls — VLA-политика, дообученная на базе NVIDIA GR00T N1.7-3B для манипулятора Open Manipulator-X с пятью степенями свободы и захватом. Модель предназначена для задачи, в которой робот визуально находит куклу, поднимает её и перемещает по текстовой инструкции. Для обучения использованы 75 исходных телеперемещаемых демонстраций и 450 дополненных эпизодов с вариациями фона, освещения и цветов, созданными Cosmos-Transfer2.5. Обучалась DiT-голова действий при замороженной базовой модели; на выходе — чанки из 16 управляющих шагов: относительные положения суставов и абсолютное значение захвата. На оценке с изменённым внешним видом авторы сообщают улучшение MSE на 36% по сравнению с обучением только на исходных демонстрациях. Для запуска нужны наблюдение с видеокамерой, состоянием руки и захвата, а также инструкция, совпадающая с обучающими формулировками; README указывает на использование Isaac-GR00T и CUDA. Лицензия — Apache-2.0. Оценки приведены для open-loop предсказания и не гарантируют успешность замкнутого управления на реальном роботе; обучающая выборка невелика и ориентирована на конкретный манипулятор и задачу.

Это LoRA-модель Robocurve, дообученная на базе NVIDIA GR00T N1.7-3B для управления манипулятором SO-101. Адаптеры для головы действий объединены с весами bf16; визуальный кодировщик, языковая модель и базовые веса заморожены. Модель принимает изображения с фронтальной и установленной на запястье камер, инструкцию на естественном языке и состояние робота, а предсказывает последовательность из 16 управляющих шагов для шестистепенной руки и захвата. Модель предназначена для настольных задач манипуляции, представленных в обучающих данных: захвата и перемещения предметов, укладки и сортировки. Она обучена на подмножестве SO-101 датасета MolmoAct2, включающем 2 242 эпизода из 39 публичных репозиториев сообщества. Для запуска требуются SO-101 и Isaac-GR00T версии N1.7 на указанном в карточке коммите или более поздней версии. Проверка ограничена офлайн-оценкой потерь предсказания действий на отложенных эпизодах; симуляционные и реальные запуски не проводились, поэтому качество выполнения задач и перенос на новые сцены не подтверждены. Перенос на другие типы роботов без дообучения не предполагается; для эксплуатации нужны аппаратная аварийная остановка и ограничения рабочей зоны и момента. Лицензия указана как other; исходные датасеты имеют собственные лицензии, поэтому перед использованием следует проверить их условия.

Это модель Robocurve — полное дообучение NVIDIA GR00T N1.7-3B на наборе AllenAI MolmoAct2-BimanualYAM для управления двуручной роботизированной платформой I2RT YAM. Чекпойнт содержит обученные action head и projector; языковая модель и визуальный энкодер базовой модели оставлены замороженными. Архитектура GR00T преобразует изображения с трёх камер, инструкции и состояние робота в последовательности управляющих действий для двух шестистепенных манипуляторов и захватов. Модель предназначена для исследовательской оценки задач манипуляции блоками, укладки предметов в коробки и подключения зарядного кабеля на платформе YAM. Обучение использовало около 5 145 эпизодов и 11,35 млн кадров. Проверка описана только как open-loop MSE на одном отложенном наборе эпизодов; показателей успешности замкнутого управления или испытаний на реальном роботе нет. Перенос на другие платформы без дообучения не предполагается. Для эксплуатации требуются ограничения рабочей зоны и усилия и аппаратная аварийная остановка. Лицензия указана как «other»; конкретные условия следует сверить с карточкой модели и лицензией обучающих данных.