IV.10Дом, личная жизнь, уход и повседневные задачи

ViVi-AI/pi05_so101_pick_place — дообученная на LeRobot модель управления роботом, основанная на VLA-модели π₀.₅ (Pi05) от Physical Intelligence. Она предназначена для задачи pick-and-place на роботе типа so_follower: взять фиолетовый блок и положить его в белый квадрат. Политика получает состояние робота из 6 значений и изображения с двух камер — на руке и в рабочей зоне, размером 480×640. На выходе она формирует 6-мерное действие для управления роботом. Модель обучена на 100 эпизодах и 44 998 кадрах с частотой 30 кадров в секунду из набора ViVi-AI/pick_place_20260709_130127. Базовая Pi05 рассчитана на обобщение в новых условиях, однако для этой дообученной политики результаты оценки не опубликованы, поэтому её качество за пределами указанной задачи не подтверждено. Модель распространяется по лицензии Apache-2.0 и использует формат весов safetensors.

StarVLA/Qwen2.5-VL-OFT-LIBERO-4in1 — исследовательский чекпойнт политики vision-language-action, разработанный в рамках проекта StarVLA на базе Qwen2.5-VL-3B-Instruct. Доступный артефакт соответствует 30 000 шагам обучения и предназначен для управления роботом в симуляторе LIBERO по зрительным наблюдениям и инструкциям на естественном языке. Обучение объединяет наборы LIBERO Object, Goal, Spatial и LIBERO-10 с равным весом.

RLDX-1-PT-IMG — предварительно обученная модель для управления роботизированными манипуляциями, разработанная RLWRLD. Это вариант семейства RLDX-1 с одним кадром изображения на камеру вместо четырёхкадрового видео; модель предназначена для более лёгкого и быстрого выполнения политики. В основе — дообученная Qwen/Qwen3-VL-8B-Instruct, а архитектура политики Multi-Stream Action Transformer (MSAT) обучена методом flow matching. Размер чекпойнта — 6,9 млрд параметров. Модель принимает RGB-изображения, проприоцептивное состояние робота и текстовую инструкцию, а выдаёт последовательность действий длиной 16 шагов. Чекпойнт предварительно обучен на смешанных корпусах роботизированных манипуляций, включая Open X-Embodiment, Galaxea, AgiBot World и данные для гуманоидных роботов. Его используют для исследований, симуляционных тестов, дообучения под новые роботизированные платформы и некоммерческого применения на реальных роботах. Указанная в README лицензия RLWRLD Model License v1.0; коммерческое применение исключено. Модель рассчитана на манипуляции, но результат зависит от соответствия роботизированной платформы и распределения данных. Для новых платформ работа без дообучения не гарантируется. Модули памяти, движения и физических сигналов в этом чекпойнте отключены и требуют подключения при дообучении.

Модель MakerModsLab — дообученная на 25 000 шагах SmolVLA для управления роботом при раскладывании шоколада. Она основана на lerobot/smolvla_base и обучена на наборе данных makermods/arrange_chocolate_finetune. Чекпойнт предназначен для загрузки в LeRobot как готовая политика; в датасете используются изображения с фронтальной, верхней и запястной камер робота. Модель принимает визуальные наблюдения с камер и предназначена для выполнения роботизированных действий по задаче раскладывания шоколада. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

TARS v1.0 Medical SFT — экспериментальная языковая модель для медицинских вопросов и ответов, опубликованная пользователем vkqwert12. Согласно карточке, модель обучена на гибридной архитектуре Parallel Mamba-3 и Fractal MoE: четыре доменных эксперта, по два эксперта задач на домен, непрерывный банк памяти L3 и дополнительные блоки маршрутизации. Указаны словарь размером 32 000 токенов, ширина модели 256 и четыре слоя. Модель прошла предварительное обучение на FineWeb-Edu, затем дообучение на парах вопросов и ответов MedQuAD и этап выравнивания. Она предназначена для генерации ответов на медицинские вопросы на английском языке. В репозитории указаны веса PyTorch и лицензия MIT. Карточка не приводит оценок качества и подробностей о безопасном применении медицинских ответов.

myduy дообучил модель unsloth/Qwen3-1.7B-Base методом supervised fine-tuning на вьетнамских медицинских данных. Это плотная языковая модель Qwen3 с 1,7 млрд параметров, предназначенная для генерации ответов и рассуждений по медицинским темам на вьетнамском языке; заявленный контекст — до 32 768 токенов. Модель можно использовать для экспериментов с медицинскими чат-ботами и для предварительной поддержки при разборе медицинских вопросов. Также она поддерживает английский язык согласно метаданным. Модель может ошибаться в фактах и рассуждениях. Её ответы не подходят для самостоятельной диагностики или назначения лечения и требуют проверки медицинским специалистом. Распространяется по лицензии Apache-2.0.

VLADrop-OpenVLA-OFT-LIBERO-extreme-action — исследовательский чекпойнт модели vision-language-action для управления роботом в задачах LIBERO. Он создан в рамках работы «Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?» на основе OpenVLA-OFT: размер скрытого слоя MLPResNet в блоке предсказания действий сокращён с 4096 до 256, а визуальная и языковая основы оставлены без изменений. После сокращения модель дообучена для восстановления качества: LoRA ранга 32 объединена с весами, обучение проведено в течение 100 тысяч шагов. Модель принимает визуальное наблюдение и текстовое описание задачи и предсказывает действия робота. Чекпойнт предназначен для оценки в бенчмарке LIBERO, включая сценарий libero_spatial. Для восстановления прореженной архитектуры при оценке требуются модифицированные Transformers из проекта VLADrop. Лицензия — MIT.

Модель agricrate_disease_model разработана как дообученная версия Vision Transformer google/vit-base-patch16-224-in21k. Она предназначена для классификации изображений; название указывает на распознавание болезней сельскохозяйственных культур, однако README не описывает классы и область применения подробнее. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и сохранена в формате safetensors. На оценочном наборе указана потеря 0,0400. Данные для обучения обозначены как imagefolder. Лицензия — Apache-2.0; точность, набор классов и условия, в которых модель надёжно работает, по имеющимся сведениям определить нельзя.

box-cedir-hidden-guidance-control — модель управления роботами, обученная с использованием LeRobot. Метаданные относят её к задачам робототехники и указывают формат весов safetensors. Подробности о поддерживаемых роботах, входных данных, выходных действиях и сценариях применения не приведены.

EXAONE 3.5 7.8B EMT Chatbot — корейская диалоговая модель для помощи бригадам скорой помощи при детских неотложных состояниях. Её разработали в рамках проекта HAPES, дообучив методом полного fine-tuning модель LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct. Модель содержит 7,4 млрд параметров, использует плотную архитектуру ExaoneForCausalLM и формат BF16; базовая модель поддерживает корейский и английский языки. Контекст базовой модели — до 32 768 токенов, а при обучении этой версии использовалась максимальная длина 512 токенов. Модель обучена на начальном наборе из 2 021 диалога между фельдшером и чат-ботом. Она предназначена для разговорной поддержки корейских бригад скорой помощи при педиатрических вызовах. Это ранняя версия проекта, позднее заменённая моделями на данных v2; для HAPES рекомендована другая модель. Медицинские ответы нельзя использовать как единственное основание для лечения: дозировки и другие числовые сведения следует сверять с официальными инструкциями, а модель применять вместе с RAG по клиническим рекомендациям. Лицензия указана как other; дополнительных условий README не приводит.

FastWAM — политика World Action Model для управления роботом, обученная и опубликованная с помощью LeRobot. Во время обучения она сохраняет моделирование видеомира, а при выполнении предсказывает действия напрямую; визуальные компоненты инициализированы весами видеомодели Wan2.2-TI2V-5B. Модель принимает два изображения с камер размером 224 × 224 и вектор состояния из 8 значений, затем выдаёт вектор действия из 7 значений. Она предназначена для запуска политики на роботе через LeRobot; имена камер и ключи наблюдений должны соответствовать конфигурации, использованной при обучении. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки, поэтому качество политики на конкретном роботе или задаче не подтверждено.

fold-cedir-hidden-guidance-control — модель для робототехники, обученная с использованием LeRobot. В метаданных Hugging Face для неё указан тег задачи robotics, библиотека LeRobot и формат весов safetensors. По доступной карточке нельзя установить конкретные робототехнические задачи, архитектуру, размер модели, входные данные или условия лицензии. Название может указывать на управление, однако карточка этого не подтверждает.

Gemma-3-27B-MeditronFO — медицинская диалоговая языковая модель LiGHT, дообученная на базе Google Gemma-3-27B-IT на корпусе Fully Open Meditron. Модель содержит 27 млрд параметров, построена на архитектуре Gemma 3 и предназначена для ответов на медицинские вопросы, работы с клиническими рекомендациями и клиническими случаями, а также для оценки медицинских задач. Она принимает текст и изображения и генерирует текст; карточка сообщает об англоязычных данных и показывает результаты на медицинских бенчмарках MedQA, MedMCQA и PubMedQA. Обучение проведено на 601 тыс. примеров объёмом около 150 млн токенов, включая открытые медицинские наборы данных и компоненты, проверенные клиницистами. Среди заявленных сильных сторон — улучшенные результаты на перечисленных медицинских бенчмарках и сравнении HealthBench Hard; эти показатели относятся к оценкам из карточки и не гарантируют точность отдельных ответов. Модель может выдавать фактически неточные, непоследовательные или предвзятые ответы, поэтому её следует использовать как вспомогательный инструмент и проверять важную информацию. Лицензия — Gemma.

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-A1.5-DOMINO — политика управления роботом от InternRobotics, настроенная для динамических манипуляционных задач бенчмарка DOMINO. Модель объединяет зрительно-языковое понимание, прогнозирование будущей динамики и генерацию действий; она дообучена на обучающем разбиении DOMINO ALOHA-AgileX Level-1 и оценивалась на чистых наборах Level-1 DOMINO. В основе лежит мультимодальный Qwen3.5-2B, к которому добавлен облегчённый эксперт действий. Модель принимает визуальный и языковой контекст и выдаёт непрерывные фрагменты действий с помощью flow matching; на этапе инференса видеоветвь не используется. Размер изображений — 224 × 224, размерность состояния и действий — до 32. Для обучения прогноз будущей динамики задавался с помощью замороженной видеомодели WAN2.2-5B. Лицензия — CC BY-NC-SA 4.0, допускающая использование на условиях указанных ограничений, включая некоммерческое распространение. Модель предназначена для оценки и применения в динамических манипуляционных сценариях, близких к DOMINO. В указанной оценке DOMINO SFT достигла 29,3% успешных эпизодов и манипуляционного балла 42,5. Результаты относятся к описанному бенчмарку и сами по себе не подтверждают надёжность на других роботах или в реальных условиях.

Leanly_AI — семейство языковых моделей, разработанное исследователями отделений эндокринологии и метаболизма и общей практики больницы при Фучжоуском университете. Модели предназначены для поддержки общения врачей с пациентами в контексте лечения ожирения и управления весом. Они помогают составлять структурированные, доброжелательные ответы на эмоциональные трудности и практические рекомендации по поведению. Модель принимает текстовые запросы и формирует текстовые ответы для поддержки клинициста: например, при тревоге из-за результатов лечения, эмоциональном переедании, снижении мотивации или переживаниях из-за стигмы. Семейство включает варианты размером 4B и 14B, с режимом рассуждений и без него, поддерживает китайский и английский языки и рассчитано на локальное развертывание. Репозиторий содержит формат GGUF; лицензия — Apache-2.0. Leanly_AI может помогать с подготовкой материалов и выявлением текстовых сигналов, требующих внимания специалиста, но её выводы нуждаются в проверке медицинским работником. Модель не предназначена для самостоятельной диагностики, психотерапии, назначения лечения или принятия экстренных решений и не заменяет квалифицированную медицинскую помощь.

MedAlpaca-7B — языковая модель для медицинских вопросов и диалогов, разработанная проектом MedAlpaca и дообученная на базе LLaMA. Она содержит 6,6 млрд параметров, использует архитектуру LLaMA с плотной причинной языковой моделью и работает с текстом на английском языке. Модель предназначена для ответов на медицинские вопросы и ведения медицинского диалога, в том числе на уровне знаний, ориентированном на студентов-медиков. Для обучения использовались карточки Anki, материалы Wikidoc, вопросы StackExchange по смежным областям и набор ChatDoctor. Авторы оценивают точность части автоматически подготовленных пар вопросов и ответов из Wikidoc примерно в 70%. Модель не показала подтверждённую эффективность в реальном применении и может хуже справляться за пределами медицины или с запросами, требующими уровня практикующего врача. Её ответы не заменяют консультацию врача. Репозиторий распространяется под лицензией CC; конкретная разновидность лицензии в метаданных не уточнена.

Medical v5 — это диалоговая медицинская модель на 7,6 млрд параметров, созданная автором pai-pixel на базе Qwen/Qwen3-8B методом supervised fine-tuning. Она предназначена для клинических вопросов по традиционной китайской и западной медицине. Обучение проводилось на 37 353 клинических примерах; часть обучающих данных содержит цепочки рассуждений, созданные с помощью дистилляции Baichuan-M2-32B. Режим явных рассуждений можно включать и отключать через параметр enable_thinking. Модель принимает текст и генерирует текст на китайском языке. Архитектура — плотная причинная языковая модель Qwen3; заявленная длина контекста составляет 40 960 токенов. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Медицинские ответы могут быть неточными и не должны заменять оценку квалифицированного специалиста.

xpuenabler разработал MolmoAct2-LIBERO-LP-VTP-SD — сжатую VLA-модель для управления роботом в задачах LIBERO, опубликованную в формате LeRobot. В чекпойнте совместно применены обрезка слоёв, сокращение визуальных токенов и уменьшение числа шагов вывода; модель дообучена на базе xpuenabler/MolmoAct2-LIBERO-ViT10L. Веса представлены в формате safetensors. Модель принимает изображения, состояние робота и текстовые инструкции и предсказывает действия. На указанной в README оценке по четырём наборам LIBERO точность составила 47,2% при двух шагах декодирования — заметно ниже результатов отдельных методов сжатия. На оборудовании B200 указана задержка около 94 мс на решение при пакетном размере 1; работа Grid Sampler требует режима single-crop с изменением размера изображения. Условия лицензии в предоставленных данных не описаны.

OpenVLA 7B Fine-Tuned on LIBERO-Object — модель OpenVLA, дообученная разработчиками проекта OpenVLA с помощью LoRA на наборе LIBERO-Object из симуляционного бенчмарка LIBERO. Она предназначена для управления роботом: по изображению сцены и текстовой инструкции модель предсказывает действия для выполнения манипуляционных задач с объектами в симуляторе. В основе — плотная архитектура OpenVLAForActionPrediction; модель использует зрение и текст и выдаёт действия. Обучение проводилось с LoRA ранга 32 в течение 50 тысяч шагов; квантирование не применялось. Модель подходит для оценки и выполнения задач LIBERO-Object в симуляторе. Карточка описывает обучение и направляет к инструкциям запуска и оценки в LIBERO, но не приводит длину контекста или подробности о представлении выходных действий. Лицензия — MIT.

RLDX-1-FT-LIBERO — модель управления роботом для задач манипуляции, разработанная RLWRLD. Это дообученная на наборе LIBERO из четырёх групп задач версия фундаментальной модели RLDX-1-PT. Архитектура Multi-Stream Action Transformer (MSAT) объединяет потоки восприятия, физического состояния и действий; в качестве зрительно-языковой основы используется Qwen3-VL-8B-Instruct. Модель содержит 6,9 млрд параметров и обучена методом flow matching. На вход подаются RGB-видео (по умолчанию четыре кадра), проприоцептивное состояние и инструкция на естественном языке; на выходе модель формирует блок из 16 действий. Она предназначена для управления манипуляциями в симуляторах LIBERO и LIBERO-Plus и исследовательских экспериментов. В карточке сообщается о результатах 97,8% на LIBERO и 87,6% на LIBERO-Plus; на RTX 5090 указана задержка 43,7 мс на шаг. Качество за пределами обучающего распределения, в новых сценах и с незнакомыми объектами не гарантируется; совместимость с другими роботизированными платформами также не гарантируется. Модель лицензирована по RLWRLD Model License v1.0 для некоммерческого применения; коммерческое, военное и некоторые другие виды использования исключены условиями лицензии.

StarVLA MetaWorld QwenPI-v3 LA Finetune — дообученный чекпойнт для управления роботом в задачах бенчмарка MetaWorld MT50. Он основан на мультимодальной модели Qwen/Qwen2.5-VL-3B-Instruct и предназначен для использования с кодовой базой StarVLA/QwenPI-v3. Модель принимает визуальные наблюдения и выдаёт действия для выполнения роботизированных задач. Для инференса требуется файл dataset_statistics.json, используемый для денормализации действий; структуру каталога чекпойнта следует сохранить согласно конфигурации. В README сообщается общий показатель успешного выполнения 70,9% на MetaWorld MT50. Модель распространяется по лицензии MIT. Указанная оценка относится к бенчмарку MetaWorld MT50; README не описывает качество за его пределами.

DermTriage — дообученная с помощью QLoRA модель Google MedGemma 1.5 4B для предварительной классификации кожных новообразований по изображениям. Она принимает изображение поражения кожи и текстовый запрос, а затем формирует текстовую оценку. В обучении использованы фотографии со смартфонов PAD-UFES-20 и дерматоскопические изображения HAM10000; модель распространяется в формате GGUF BF16 с отдельным vision-проектором SigLIP. Модель предназначена для исследовательских и образовательных сценариев предварительной сортировки, включая оценку риска злокачественного или предракового поражения. На отложенной выборке из 872 изображений автор сообщает чувствительность 89,5%, специфичность 70,3% и точность разделения на доброкачественные и злокачественные случаи 73,2%. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории. Модель не является диагностическим инструментом и не заменяет осмотр дерматолога или гистологическое исследование; в обучающих данных недостаточно представлены люди с тёмным цветом кожи.

EEYslcmn/DINOv2-Skin-Lesion-Finetuned — модель компьютерного зрения на базе DINOv2, дообученная для классификации изображений кожных поражений. В метаданных Hugging Face указано 113,2 млн параметров, библиотека Transformers и задача image-classification. Разработчик и лицензия в доступных материалах не указаны. Модель предназначена для автоматической классификации дерматологических изображений и может использоваться как компонент исследовательских прототипов, систем поддержки принятия решений и предварительного анализа изображений кожных образований. Она работает с изображениями и не предназначена для обработки текста или аудио. README не содержит сведений о датасете, классах, метриках оценки, процедурах обучения, границах применимости или результатах тестирования. Поэтому модель нельзя считать самостоятельным медицинским диагностическим инструментом; результаты требуют проверки квалифицированным специалистом. Условия лицензирования не определены в доступных данных.

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.

Hulu-Med-7B — медицинская мультимодальная модель с открытыми весами, разработанная авторами проекта Hulu-Med. Она построена на базе Qwen2.5-7B и предназначена для совместного анализа медицинского текста, изображений и видео, включая 2D- и 3D-данные. По метаданным, модель содержит 7,1 млрд параметров, использует архитектуру HulumedQwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Модель рассчитана на ответы на вопросы по медицинским изображениям, генерацию медицинских отчётов, клинический диалог, медицинские рассуждения, распознавание хирургических этапов и диагностические сценарии. Разработчики сообщают об обучении на публичных данных и оценке на медицинских бенчмарках; корпус охватывает 12 анатомических систем и 14 методов медицинской визуализации. Для запуска предусмотрена интеграция с Transformers. Веса опубликованы под лицензией Apache 2.0. Модель предназначена для медицинских задач, однако README не приводит клинических гарантий или подтверждения пригодности для принятия медицинских решений; выводы следует проверять специалистом.

LingBot-VA — авторегрессионная политика для управления роботом, построенная на видеодиффузионном стеке Wan2.2. Она предсказывает будущие видео-латенты и действия робота в общей последовательности, используя наблюдаемые кадры для замкнутого цикла моделирования мира. Эта версия дообучена для сценариев LIBERO Long и распространяется через LeRobot. Модель принимает изображения с двух камер размером 256 × 256 и выдаёт вектор действия из 7 компонентов. Она предназначена для выполнения роботизированных задач по визуальным наблюдениям. Лицензия — Apache-2.0. Результаты оценки для этой версии не приведены; для работы требуется согласовать входные ключи наблюдений и конфигурацию камер с роботом.

LlamaTron RS1 Nemesis — медицинская языковая модель, созданная разработчиком Rumiii дообучением Meta Llama-3.2-1B-Instruct с помощью QLoRA. Модель с архитектурой LlamaForCausalLM содержит 1,2 млрд параметров и предназначена для диалогов и рассуждений по клиническим вопросам: дифференциальной диагностики, планирования лечения, фармакологии и анализа клинических случаев. Для обучения использован набор Medical-Reasoning-SFT-MiniMax-M2.1 с 204 773 диалогами; карточка указывает английский язык. Метаданные сообщают контекст 131 072 токена, тогда как README указывает максимальную длину последовательности обучения 512 токенов, что может ограничивать работу с длинными клиническими текстами. Модель предназначена для исследовательских и образовательных целей и не заменяет консультацию врача, диагностику или лечение. Лицензия репозитория — Apache-2.0.

MedAlpaca-13B — языковая модель на архитектуре LLaMA, дообученная для медицинских задач. Она содержит 12,9 млрд параметров и предназначена прежде всего для ответов на медицинские вопросы и ведения медицинского диалога. Модель принимает текст и генерирует текст; в карточке указана поддержка английского языка. Для обучения использованы медицинские флеш-карточки Anki, материалы Wikidoc, пары вопросов и ответов из StackExchange и набор ChatDoctor. Авторы оценивают фактическую точность примерно 70% сгенерированных пар из Wikidoc; это оценка данных, а не гарантия точности ответов модели. Модель может быть полезна для учебных медицинских вопросов и диалоговых экспериментов. Она может ошибаться, хуже работать за пределами медицинской тематики и не рассчитана на уровень потребностей сертифицированных врачей. Авторы сообщают, что модель не проверялась в реальных приложениях, и предостерегают от использования вместо консультации врача. Лицензия в метаданных указана как CC.

DecentVLA/pi05_cubestack_local3_c2 — дообученная модель vision-language-action (VLA) семейства pi0.5 для управления роботом SO-101 при укладывании кубиков. Она обучена на 10 000 шагах на двух задачах: Orange_on_Blue и Blue_on_Orange; использует изображения с камер base_0_rgb и left_wrist_0_rgb, состояние робота и выдаёт 6-мерные команды действий. Модель создана в рамках федеративного исследования с тремя клиентами и экспортирована в формате LeRobot с токенизатором и нормализатором для двух репозиториев. Модель подходит для воспроизведения двух указанных цветовых сценариев укладывания кубиков. Она не обучалась на задачах с зелёным кубиком и, согласно карточке, ожидаемо не справляется с четырьмя такими задачами. Репозиторий содержит веса safetensors; лицензия — Apache-2.0.