Skip to content
Robotics

VLA-Bind-adapters

набор адаптеров для роботов на базе OpenVLA и pi0.5

2 min readupdated

Репозиторий содержит обученные политики (алгоритмы управления роботом) для статьи Lost Among Look-Alikes: A Benchmark for Attribute Binding in Vision-Language-Action Policies. Модели решают задачу точного связывания визуальных атрибутов и текстовых команд, чтобы робот не путал похожие друг на друга объекты при выполнении действий. В основе лежат базовые VLA-модели (Vision-Language-Action — мультимодальные модели, переводящие зрение и текст в действия) OpenVLA-7B с надстройками LoRA (лёгкими адаптерами поверх основной модели) и pi0.5. Релиз пригодится исследователям робототехники для воспроизведения экспериментов и тестирования роботов в сценах с похожими предметами.

Ключевые особенности

  • Два семейства моделей: включены LoRA-адаптеры для openvla/openvla-7b и чекпоинты для pi0.5 (включая объединённые веса merged_step020000).
  • Сравнение разных стратегий обучения: представлены базовые версии (B1), варианты с контрфактической аугментацией данных (RECON-AUG-T), переписанными инструкциями (LANG) и дополнительной головой-указателем на целевой объект (PTR).
  • Все сохранённые шаги: в каждом каталоге доступны чекпоинты со всех этапов обучения (например, до 20 000 или 25 000 шагов) для анализа динамики.
  • Статистика действий в комплекте: рядом с каждым шагом лежит файл dataset_statistics.json для корректной денормализации предсказанных движений робота.

Что можно сделать

  • Запустить управление манипулятором в симуляторе или на стенде: загрузить базовую модель openvla/openvla-7b вместе с нужным адаптером через библиотеку PEFT для выполнения команд в средах с похожими объектами.
  • Сравнить методы борьбы с путаницей атрибутов: протестировать на бенчмарке LALABAB/VLA-Bind разницу между обычным обучением, переписыванием инструкций (LANG) и контрфактическими примерами (RECON-AUG-T).
  • Изучить прогресс обучения по шагам: оценить качество политики на разных итерациях, используя сохранённые промежуточные чекпоинты без необходимости обучать модели с нуля.

Пример

Для использования OpenVLA-версий загрузите базовую модель openvla/openvla-7b и подключите выбранную папку адаптера (например, openvla/RECON-AUG-T_s1) с помощью библиотеки PEFT. Для перевода выходов модели в реальные координаты действий используйте параметры из файла dataset_statistics.json, который находится рядом с каждым чекпоинтом.

ПодробнееОбучено на датасете Train-Bind: 4 860 демонстраций в базовом варианте B1 (20 000 шагов) и 9 720 демонстраций в RECON-AUG-T.
В чекпоинтах не сохранены состояния оптимизатора для продолжения обучения.
Лицензии зависят от базовой модели: Llama 2 Community Licence для веток OpenVLA и условия использования Gemma для pi0.5.
Discuss Telegram 0

Will it run?

Working out the memory needs

The bot is still collecting this model's weight sizes; the estimate will appear here in a few minutes. Meanwhile you can rent a GPU with headroom.

Massed ComputeOpen Massed Compute

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # LALABAB/VLA-Bind-adapters
    # ===== Tokens: paste yours between the quotes =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens, for gated models
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download LALABAB/VLA-Bind-adapters --local-dir ~/models/VLA-Bind-adapters
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to VLA-Bind-adapters
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of VLA-Bind-adapters (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

LALABAB/VLA-Bind-adapters
Author
LALABAB
Category
Robotics
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments