Skip to content
Robotics

Qwen3.5-4B-SFT400-LIBERO

мультимодальный планировщик для робототехники

2 min readupdated

Это полноразмерная мультимодальная модель весом 4.66B параметров, дообученная для планирования действий роботов в симуляторе LIBERO. Она создана автором Rodriguez10 на основе постобученной Qwen/Qwen3.5-4B методом SFT (дообучение с учителем на готовых примерах) на успешных траекториях более крупной модели-агента Qwen3.6-27B. Сама модель выступает высокоуровневым планировщиком: она анализирует изображения и историю взаимодействия, вызывая внешние инструменты, а не управляет моторами напрямую. Пригодится исследователям и разработчикам мультимодальных агентов для робототехники.

Ключевые особенности

  • Полноценные веса для инференса (не LoRA-адаптер), в комплект входят токенизатор, конфигурация процессора и шаблон чата.
  • Обучена на 25 600 шагах проверенных траекторий из бенчмарка LIBERO130 с сохранением изображений, вызовов инструментов и обращений к памяти.
  • Работает в связке с агентным циклом harness2model VERL, моделями Pi0.5, SAM3, симулятором и внешней памятью.
  • Является промежуточным чекпоинтом (обновление 400), а не финальной версией обучения.

Что можно сделать

  • Интегрировать в агентный цикл harness2model VERL в паре с Pi0.5 и SAM3 для решения задач манипуляции в симуляторе LIBERO.
  • Использовать как компактный 4.66B-планировщик, дистиллированный из траекторий Qwen3.6-27B, в экспериментах с мультимодальными робототехническими агентами.

Пример

Модель загружается через библиотеку transformers с поддержкой архитектуры Qwen3_5ForConditionalGeneration. На вход подаются визуальные наблюдения из симулятора, история диалога и доступные инструменты (например, сегментация через SAM3 и низкоуровневое управление через Pi0.5), а на выходе модель формирует следующий шаг планирования или вызов функции в рамках эпизода LIBERO.

ПодробнееБенчмарк LIBERO-Pro (80 задач × 10 сидов): 459 из 800 успешных выполнений (57.375%) при использовании памяти GPT-5.5 Pro.
В архиве находятся только веса для инференса (без состояний оптимизатора и планировщика), а внешние модели памяти и исполнения не включены.
Для воспроизведения метрик на LIBERO-Pro нельзя заменять оценочную память на тренировочную память LIBERO.
Discuss Telegram 0 20

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 8.7 GB · ready files10 GB
  • FP8 / INT8recommendedweights 4.3 GB5.3 GB
  • 4-bitweights 2.4 GB3.2 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2080 Ti

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

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.

    # Rodriguez10/Qwen3.5-4B-SFT400-LIBERO
    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 Rodriguez10/Qwen3.5-4B-SFT400-LIBERO --local-dir ~/models/Qwen3.5-4B-SFT400-LIBERO
    # The model is in ~/models. How to run it is in the model card (link above).
  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

  1. Qwen3.5-4B-Basefamily root
  2. Qwen3.5-4B
  3. Qwen3.5-4B-SFT400-LIBERO

New posts about versions of Qwen3.5-4B-Base (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 12All on Hugging Face
Merges 1All on Hugging Face

About the model

Rodriguez10/Qwen3.5-4B-SFT400-LIBERO
Author
Rodriguez10
Category
Robotics
Released
Posted

On NeyroLearn

Hugging Face

200

Ask AI about this model

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

Comments