II.2Создание и понимание программного кода

Модель michaelowenliu/ddpm-celebahq-finetuned-butterflies-2epochs предназначена для безусловной генерации изображений. README показывает использование через DDPMPipeline из библиотеки Diffusers: модель создаёт изображение без текстового запроса. Название репозитория указывает на дообучение DDPM на изображениях бабочек в течение двух эпох; README не описывает качество или особенности получаемых изображений. Репозиторий подготовлен в форматах Diffusers и safetensors и распространяется по лицензии MIT. Модель подходит для экспериментов с генерацией изображений и демонстраций работы диффузионных моделей.

lerobot/dm05_libero — созданная Dexmal и размещённая в LeRobot специализированная версия модели DM0.5, дообученная на задачах LIBERO на основе lerobot/dm05_base. Это модель vision-language-action для управления роботом: она принимает изображения с передней и установленной на запястье камер и состояние робота, а выдаёт последовательности действий. Размерность состояния — 8, действий — 7; модель предсказывает блоки по 10 шагов. Веса, конфигурация и статистика нормализации перенесены из оригинального чекпойнта Dexmal без изменений, а конвейеры процессора пересозданы для версии политики DM05 в LeRobot. Модель предназначена для оценки и выполнения задач LIBERO, а не для универсального управления роботом. README сообщает результаты оценки на 200 эпизодах: 49 из 50 успехов в Spatial, 50 из 50 в Object и 50 из 50 в Goal. Для оценки требуется протокол LIBERO с относительным контроллером; при этом представление действий модели остаётся абсолютным, а относительный режим задаётся на уровне среды. Модель распространяется под лицензией Gemma. Языки диалога и текстовый контекст в карточке не описаны.

EQM Policy eqmpushtseed3 — политика управления роботом, обученная с помощью LeRobot на наборе данных lerobot/pusht. Она предназначена для выполнения задачи PushT-v0 в симуляторе MuJoCo и использует политику типа EQM с dot-параметризацией энергетической функции. В репозитории сохранены веса safetensors; лицензия — Apache-2.0. В опубликованной оценке на 16 эпизодах успешность составила 0,0%, а средняя суммарная награда — 33,19, поэтому результаты не подтверждают пригодность этой версии для успешного выполнения задачи. Карточка не описывает входы политики, размер модели или поддерживаемые естественные языки; тег en относится к метаданным, но сам по себе не подтверждает языковую поддержку.

FIRe-VLA-OpenVLA-GearMesh-Sim — модель политики vision-language-action на базе OpenVLA, дообученная для контактной роботизированной сборки зацепления шестерён в симуляции. Контрольная точка готова к инференсу и обучена до 20 000 шагов; в репозитории также указаны компоненты OFT, включая action head, proprio projector и LoRA-адаптер. Модель предназначена для управления роботом при сборке шестерён по визуальным и языковым входам. Репозиторий распространяется по лицензии Apache-2.0. Для инференса README указывает использование кода OpenVLA-OFT и загрузку через Transformers с trust_remote_code=True.

FlyWire Olfactory SNN — рекуррентная спайковая нейросеть для классификации запахов у дрозофилы, обученная авторами репозитория Vick-MIRE на датасете ответов DoOR. Модель принимает вектор откликов примерно 52 обонятельных рецепторов и предсказывает класс запаха. Архитектура MaskedRecurrentLIFSNN использует нейроны Leaky Integrate-and-Fire и 20 временных шагов. Рекуррентная топология фиксирована по подграфу коннектома FlyWire для проекционных нейронов антеннальной доли и клеток Кеньона; обучаются величины весов, а знаки связей заданы предполагаемыми типами нейромедиаторов. Обучение проведено с Adam, CrossEntropyLoss и суррогатными градиентами. Реализация основана на PyTorch и Norse, веса опубликованы в формате safetensors. Модель предназначена для анализа и классификации ответов обонятельных рецепторов в исследованиях нейронных сетей и обоняния дрозофилы. Её биологически ограниченная структура может быть полезна для изучения связи между коннектомом и распознаванием запахов; применимость за пределами указанного набора данных не подтверждена. Лицензия — MIT.

NVIDIA Isaac GR00T N1.5-3B — модель-основа для обобщённого управления гуманоидными роботами и выполнения манипуляционных задач. Версия 1.5 среднего размера использует предварительно обученные визуальный и языковой энкодеры и трансформер потока для генерации последовательности непрерывных управляющих действий по изображениям, текстовым инструкциям и данным о состоянии робота. Модель принимает RGB-кадры размером 224×224 с нескольких камер, текстовую инструкцию и вектор проприоцептивных данных. Она выдаёт векторы моторных команд, состав которых зависит от робота и числа его степеней свободы. Архитектура включает SigLIP2 для изображений, T5 для текста, MLP для проприоцепции и Diffusion Transformer с flow matching для действий; обучение также использует задачу моделирования мира. Модель предназначена для настройки на данные конкретного робота или задачи, включая реальные и синтетические данные. GR00T N1.5 разработана NVIDIA для робототехнических исследований, разработки алгоритмов и интеграции в робототехнические приложения. Она распространяется для некоммерческого использования. Для практической работы требуется учитывать различия воплощений роботов и адаптировать модель под конкретное оборудование; заявлена оптимизация для систем с ускорителями NVIDIA.

IDEAS-Lab-Northwestern создала GR00T-N1.6-3B-Clutter — модель управления роботом, дообученную на базовой задаче ManiGuard clutter в симуляции с роботом Franka Panda. Она предназначена для манипуляций среди загромождённых объектов и относится к бенчмарку ManiGuard, сравнивающему GR00T и pi0.5 на одинаковых задачах и данных. Модель использует визуально-языковой компонент Eagle и диффузионную голову действий на основе flow matching. На вход подаются изображения с обзорной и кистевой камер, инструкции и 8-мерное состояние суставов робота; на выходе — последовательности управляющих действий в пространстве суставов с горизонтом 16 шагов. При дообучении визуально-языковой компонент был заморожен, а обучались проектор и голова действий. Для запуска требуется Isaac-GR00T версии n1d6 и конфигурация обработчика из репозитория. Лицензия указана как other, поэтому условия её использования следует сверить с файлами репозитория и базовой модели.

IDEAS-Lab-Northwestern подготовила эту модель на основе NVIDIA GR00T-N1.6-3B для задачи складывания предметов в симуляции с роботом Franka Panda. Это VLA-модель: она принимает изображения с обзорной и кистевой камер и состояние робота, а выдаёт команды управления суставами и захватом. Выход представляет собой последовательности действий с горизонтом 16 шагов в пространстве суставов; состояние и команды руки кодируются относительно текущего состояния, а команда захвата — абсолютно. Модель использует визуально-языковой модуль Eagle-Block2A-2B-v2 и диффузионную голову действий на основе flow matching. При дообучении визуально-языковой модуль оставался замороженным, а проектор и голова действий обучались на данных ManiGuard для складывания предметов. Для запуска требуется Isaac-GR00T с тегом воплощения NEW_EMBODIMENT и входными данными, согласованными с конфигурацией процессора модели. Лицензия указана как other, поэтому условия использования следует проверять в репозитории.

GR00T-N1.6-LIBERO — дообученный чекпойнт модели NVIDIA GR00T-N1.6-3B для управления роботом Franka Panda в симуляторе LIBERO. Модель принимает визуальные наблюдения и инструкции и выдаёт управляющие действия для манипуляции объектами. Обучение охватывает четыре набора задач LIBERO: Spatial, Object, Goal и LIBERO-10. В карточке указаны результаты оценки на 20 эпизодах для каждой задачи в каждом наборе; опубликованные показатели успешности составляют 96% для Spatial, 100% для Object и 98% для Goal. Архитектура — GR00T-N1.6 (`Gr00tN1d6`), с визуальной основой `nvidia/Eagle-Block2A-2B-v2`. Модель предназначена для экспериментов и оценки роботизированных манипуляций в LIBERO; перенос результатов на реальные условия или другие роботы карточкой не подтверждён. Распространяется по лицензии MIT.

Griffin Alpha-S-LIBERO — дообученная модель управления роботом от Griffin Labs на демонстрациях LIBERO. Она построена на мультимодальном Qwen3-VL-4B-Instruct и использует 910-миллионный эксперт действий с flow matching, подключённый к языково-визуальной основе по схеме mixture-of-transformers. Модель предназначена для управления симулированной рукой Franka Emika Panda в четырёх наборах задач LIBERO: spatial, object, goal и 10. На вход подаются изображения с камеры робота и камеры на запястье размером 256 × 256, состояние робота и сведения о подзадаче. На выходе модель предсказывает последовательность управляющих команд для манипуляций: 50 шагов действий, из которых используется 10 перед следующим планированием. В README приведены результаты замкнутого цикла на 400 эпизодах с одним seed; авторы отмечают, что малое число эпизодов на задачу даёт заметную статистическую погрешность. Модель рассчитана на библиотеку LeRobot и требует поддержки типа политики griffin_alpha. Лицензия CC BY-NC-SA 4.0 разрешает использование на её условиях, включая ограничения на коммерческое применение и распространение производных материалов.

gslm-scaling-155m-43p5b — модель семейства SLM, опубликованная Tiago Cuervo как контрольная точка для эксперимента по масштабированию речевых языковых моделей из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная трансформерная языковая модель примерно на 155 млн параметров; веса опубликованы в формате FP32 safetensors, лицензия — Apache-2.0. Модель генерирует последовательности дискретных речевых единиц: склеенные серии токенов из кластеризации K-means представлений 11-го слоя mHuBERT с частотой 25 Гц и размером словаря K=500. Контрольная точка обучалась на 43,532 млрд токенов. В README приведены оценки на тестах sBLIMP и sStoryCloze/tStoryCloze. Для преобразования сгенерированных единиц в звук нужен отдельный вокодер, который в репозиторий не входит; пример использования построен на библиотеке slm и PyTorch.

liruiw/hpt-base — базовая модель проекта Heterogenous Pre-trained Transformers (HPT), разработанного Лируи Вангом, Синьлеем Ченом, Цзялян Чжао и Каймином Хе и представленного на NeurIPS 2024. Модель предназначена для обучения робототехнических политик: она помогает согласовать данные от разных воплощений роботов в общем латентном пространстве и исследует масштабирование обучения таких политик. В архитектуре политики HPT использует масштабируемый трансформер как промежуточный компонент, чтобы не обучать всю систему с нуля. Репозиторий содержит веса в формате safetensors; карточка не сообщает число параметров, контекст или лицензию. Описание сфокусировано на исследовательской робототехнике и не указывает языковые входы или выходы.

IMPACT-so101-multi-task-gguf — версия модели IMPACT в формате GGUF для запуска на CPU через библиотеку vla.simd. Репозиторий содержит самодостаточные файлы, конвертированные из khanhnd61/impact_so101-multi-task-clean и khanhnd61/impact-int8_so101-multi-task-clean; метаданные указывают связь слияния с этими моделями. Модель предназначена для выполнения нескольких задач управления роботом SO-101 через LeRobot, в том числе в сценарии асинхронного взаимодействия с роботом и подключёнными камерами. Модель относится к робототехнике и использует GGUF; для обслуживания README предлагает vla-simd-serve. Репозиторий распространяется по лицензии Apache-2.0. В карточке нет сведений о размере модели, контексте и поддерживаемых естественных языках.

InternVLA-A1-3B-RoboTwin — модель для управления роботизированными манипуляциями, разработанная командой InternRobotics на основе InternVLA-A1. Она дообучена на бенчмарке RoboTwin 2.0 и предназначена для выполнения задач манипуляции в симуляции, включая статические и динамические сценарии. Модель использует архитектуру Mixture-of-Transformers, объединяющую семантическое понимание мультимодальной языковой модели с предсказанием динамики мира; базовая InternVLA-A1 построена на InternVL3 и Qwen3-VL и имеет 3 млрд параметров. В оценке RoboTwin 2.0 базовая модель InternVLA-A1-3B показала среднюю успешность 89,40% в простом и 89,64% в сложном режиме по 50 задачам; эти результаты не следует считать отдельной оценкой данного дообученного чекпойнта. Репозиторий содержит веса safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях распространения производных работ, но запрещает коммерческое применение.

KiCAD-MCP-Qwen3.5-4B — дообученная модель empulse на базе Qwen3.5-4B для помощи в проектировании печатных плат в KiCAD через Model Context Protocol (MCP). Она выбирает и вызывает инструменты KiCAD MCP-сервера, извлекает из запросов обозначения компонентов, координаты и имена цепей, планирует последовательности действий и помогает разбирать ошибки. Сервер, на котором обучалась модель, предоставляет 159 инструментов для работы со схемами, разводкой плат, проверками DRC, экспортом и библиотеками. Модель содержит 4 млрд параметров и использует архитектуру Gated Delta Network с гибридным вниманием. В репозитории размещены веса GGUF в формате BF16; для работы через llama.cpp требуется сборка с поддержкой Qwen3.5 GDN и кэш KV в BF16. Модель рассчитана на текстовые запросы на английском языке и выдаёт текстовые ответы с инструкциями по вызову инструментов; несмотря на мультимодальность базовой модели, эта версия не обучалась для задач с изображениями. Указана лицензия Apache-2.0. Модель специализирована на KiCAD и конкретной реализации MCP-сервера. Названия инструментов и их схемы могут отличаться у других серверов, сложные многошаговые задачи для модели такого размера могут быть менее надёжными, а знания о предметной области сосредоточены на KiCAD v10 и распространённых практиках проектирования плат.

LaRA-VLA LIBERO — модель управления роботом, обученная на бенчмарке LIBERO для многоэтапных манипуляционных задач. В карточке указана архитектура DIT-B; репозиторий содержит контрольную точку PyTorch размером 9,7 ГБ, конфигурации и статистику датасета. Обучение описано параметрами: скорость обучения от 1E-4 до 1E-5, размер пакета 14 и 40 тысяч шагов. Модель предназначена для выполнения роботизированных манипуляций, состоящих из нескольких этапов. Теги vision-language-action указывают на область VLA, однако README не уточняет интерфейс входных и выходных данных, роботизированное оборудование или конкретные навыки LIBERO. Лицензия репозитория — Apache-2.0.

Lattice Mini — компактная авторегрессионная языковая модель Lattice на архитектуре GPT-2, обученная с нуля без предобученных весов. В ней 42 млн параметров, 12 слоёв, размер скрытого представления 512 и 8 голов внимания; контекст — 512 токенов. Модель распространяется в формате safetensors и загружается через Transformers как GPT2LMHeadModel. Модель предварительно обучена на небольшом корпусе WikiText-2 и дополнительно настроена на 5 000 примеров Alpaca. Она предназначена для экспериментов с запуском небольшой модели, генерации текста и изучения полного цикла обучения языковой модели. Разработчик предупреждает, что текст часто повторяется и имеет низкое качество, поэтому модель не подходит для серьёзных практических задач. Лицензия — MIT. README указывает на англоязычные данные и применение; метаданные также помечают модель как англоязычную и conversational.

Mafia Gemma 4 12B IT — специализированная диалоговая модель, разработанная для игровых агентов Mafia и Werewolf. Это дообученная методом LoRA SFT модель unsloth/gemma-4-12b-it, доступная в репозитории в виде объединённых весов Transformers; метаданные указывают формат safetensors. По карточке, обучение ориентировано на партии с семью игроками и ролями мафии, детектива, доктора и мирных жителей. Контекст обучения — 4096 токенов. Модель формирует допустимые игровые действия и краткие сообщения для обсуждений, обвинений, защиты, заявлений о роли и голосования. Она также обучена учитывать подозрения, утверждения игроков и сведения о роли, а также выбирать ночные действия. Предназначена для игрового агента с проверкой действий игровым движком, разделением публичной и приватной информации и управлением ходами модератором. Лицензия — Apache-2.0. Карточка приводит результаты 24 полных партий, поэтому показатели относятся к небольшому игровому тестированию и не являются общей оценкой рассуждений. Для качественной работы нужны структурированные запросы и проверка допустимости действий; модель не обеспечивает секретность ролей самостоятельно и рассчитана на игровую, в том числе обманную, коммуникацию.

arianraje подготовил экспериментальный стартовый чекпойнт MiMo-7B-Mamba2-Hybrid-Init: веса модели MiMo-7B-RL-0530 преобразованы в гибридную архитектуру с Mamba2 без последующего обучения. В модели сохраняется softmax-внимание в каждом четвёртом слое, а остальные 27 слоёв заменены на Mamba2. Это контрольный чекпойнт для измерений и исходная точка этапа выравнивания, а не готовая языковая модель для пользовательских задач: в README указаны нулевые результаты на приведённых тестах AIME. Чекпойнт относится к исследованию восстановления возможностей гибридных моделей посредством поэтапной дистилляции. Он содержит 7 млрд параметров, поддерживает генерацию текста и диалоговый сценарий, а заявленная длина контекста составляет 65 536 токенов. Для загрузки используется Transformers с кодом архитектуры из репозитория; быстрый путь Mamba2 требует mamba-ssm, иначе доступна значительно более медленная и требовательная к памяти реализация. Лицензия — MIT.

Это модель Monadical Labs на основе Stable Diffusion, дообученная генерировать по текстовому запросу изображения скинов персонажей Minecraft для версий до 1.8. Её обучали 13 000 шагов с использованием библиотеки Diffusers и сценария обучения text-to-image. Модель предназначена для создания концептов игровых скинов по описанию. Для импорта результата в Minecraft требуется постобработка; примеры кода для подготовки скинов опубликованы в репозитории Monadical-SAS. Модель распространяется по лицензии OpenRAIL. В README также упоминается более новая версия на базе Stable Diffusion XL с улучшенной поддержкой прозрачности.

Mini-K3-1H-decay-g8-v2_C — текстовая модель Mini-K3-1H v2 от автора репозитория nkkbr, опубликованная как исследовательский чекпойнт предобучения для контролируемого сравнения 20 архитектур. Модель использует decoder-архитектуру Mixture-of-Experts с компонентами KDA и Gated MLA, блоками Attention Residuals и 64 routed-экспертами. В README указано около 1,015 млрд логических параметров, из них около 352 млн активируются на токен; метаданные каталога указывают 385,9 млн параметров. Контекст модели — 131 072 токена по метаданным, хотя обучение проводилось с длиной последовательности 8 192 токена. Чекпойнт обучен на 16 млрд целевых токенов и не проходил постобучение или оценку на прикладных задачах. Он предназначен для исследования предобучения и архитектурных вариантов, а не для диалогов или следования инструкциям. Это текстовая модель на PyTorch с весами safetensors; лицензия в предоставленных данных не указана. Тексты исходных датасетов в репозитории не распространяются, и для них сохраняются собственные лицензии и условия.

Карточка модели crazyape777/mir-unconst-affine-5czsc2fc98-r1032-vera-odp на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged — экспериментальный чекпойнт семейства Qwen 3.5 MoE, разработанный как участник серии Affine SN120. Он дообучен методом offline DPO на парах предпочтений, отобранных по оценке Reason v4, на базе vera6/affine-5g4yy75zuz-t6. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache 2.0. Модель предназначена для участия в дуэльной оценке Reason v4 и задач майнинга Affine, где требуется генерировать рассуждения, повышающие оценку модели-учителя. В описанном сравнении с базовой моделью чекпойнт получил положительный результат на выборке из 80 примеров и прошёл заданные критерии оценки. Это узкоспециализированная экспериментальная модель, README прямо предостерегает от использования в качестве универсального чат-бота. Контекст обучения ограничивался 6144 токенами; данных о поддерживаемых естественных языках нет.

Это дообученная модель MolmoAct2 для выполнения задачи складывания блоков роботом SO101. Модель разработана на основе контрольной точки allenai/MolmoAct2 и обучена только для компонента action-expert на данных armnetbench_block_stack; опубликована контрольная точка после 25 000 шагов обучения. MolmoAct2 — vision-language-action модель Ai2, которая использует визуальные наблюдения и языковые инструкции для управления роботом. Модель предназначена для экспериментов и настройки управления роботом при складывании блоков. В репозитории представлены веса в формате safetensors и файлы пред- и постобработки политики. Лицензия в предоставленных данных не указана.

Модель pravsels/molmoact2_block_stack_so101_quantile_12k — промежуточный чекпойнт MolmoAct2, дообученный на задаче складывания блоков для манипулятора SO-100/101. Она предназначена для управления роботом по изображениям, состоянию робота и текстовым инструкциям; модель инициализирована из allenai/MolmoAct2-SO100_101 и обучена на наборе villekuosmanen/armnetbench_block_stack. Это вариант action-expert-only с нормализацией действий по квантилям q01/q99. В репозитории находится чекпойнт шага 12 000; обучение до 30 000 шагов продолжалось на Isambard. Для загрузки используется библиотека LeRobot. Лицензия в предоставленных данных не указана.

pravsels/molmoact2_insert_candle_20k — дообученная модель управления робототехническим манипулятором на основе MolmoAct2, опубликованная пользователем pravsels. Она предназначена для выполнения задачи вставки свечи (insert_candle) на роботе SO101; обучение велось на данных villekuosmanen/armnetbench_insert_candle, а чекпойнт инициализирован из allenai/MolmoAct2-SO100_101. Модель использует политику MolmoAct2 с обучением только action-expert-компонента и 20 000 шагами обучения. В качестве модели класса VLA она предназначена для управления манипулятором по визуальным наблюдениям, состоянию робота и текстовой инструкции; веса опубликованы в формате safetensors и используются через библиотеку LeRobot. Лицензия в предоставленных данных не указана.

Это дообученный чекпойнт OpenVLA-OFT на данных реального робота XArm для сценария «взять кубик и положить в пластиковый стакан». Модель использует зрительные наблюдения и состояние робота, чтобы предсказывать последовательности действий манипулятора. В обучении применялись L1-регрессия, FiLM и параллельное декодирование. Размер блока действий — 25 шагов, размерность действия — 7, размерность проприоцептивных данных — 6; входы включают два изображения рабочей зоны (с камеры от третьего лица и камеры на запястье) и проприоцепцию. LoRA ранга 32 объединена с базовой моделью OpenVLA 7B. Для развёртывания требуется кодовая база openvla-oft и настройка указанных параметров XArm. Модель предназначена для управления манипулятором XArm в обученном сценарии захвата и размещения объекта. Репозиторий распространяется по лицензии MIT.

opd-teacher-Q2.5I-CampsitePuzzle-step149 — экспериментальный чекпойнт на базе Qwen2.5-1.5B-Instruct, обученный David Heineman с помощью RLVE и GRPO для среды CampsitePuzzle на нулевом уровне сложности. Он предназначен для эксперимента по on-policy дистилляции с 32 параллельными средами. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и принимает текст, выдавая текст. Контекст — до 32 768 токенов; в метаданных указан английский язык. Весы сохранены в safetensors и преобразованы из итогового нативного чекпойнта в формат Hugging Face. Подходящие сценарии — исследование и воспроизведение экспериментов с обучением учителя и on-policy дистилляцией в CampsitePuzzle. Это специализированный чекпойнт после 150 обновлений, а не универсальная модель для решения широкого круга задач; качество за пределами описанной среды не подтверждено. Лицензия — Apache 2.0, как у исходной модели.

Juelg/openvla-7b-finetuned-maniskill — веса OpenVLA, подготовленные для проекта Refined Policy Distillation (RPD). RPD использует дистилляцию VLA-моделей и онлайн-обучение с подкреплением для создания компактных экспертных политик; этот чекпойнт связан с задачами в среде ManiSkill. Модель относится к семейству OpenVLA и использует архитектуру OpenVLAForActionPrediction. Она принимает визуальные наблюдения и предназначена для предсказания действий робота. В репозитории хранятся веса safetensors; библиотека для работы — Transformers. Лицензия — MIT. Карточка не сообщает размер чекпойнта, длину контекста, конкретный набор поддерживаемых команд или результаты оценки. Применимость к другим роботам и средам, кроме заявленного контекста ManiSkill, не установлена.

OpenWAM-α — предварительно обученная базовая модель для робототехники, выпущенная проектом OpenWAM. Она использует видеобэкбон Wan2.2-TI2V-5B с родным энкодером Wan-VAE, архитектуру Dual-System Joint Self-Attention и маску взаимного внимания. Модель обучена на 518,5 млн кадров, или примерно 6 400 часах данных: 70% составляют данные роботов (реальные и симуляционные), 30% — видео от первого лица, снятые людьми. Это фундаментальный чекпойнт до последующего дообучения для конкретных задач. Карточка указывает задачу robotics и библиотеку OpenWAM; метаданные подтверждают формат safetensors и лицензию Apache-2.0. Подробности о поддерживаемых роботах, конкретных действиях и способе запуска в предоставленной карточке не описаны.

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.