К содержимому
Робототехника

VLA-Bind-adapters

набор адаптеров для роботов на базе OpenVLA и pi0.5

2 мин чтенияобновлено

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.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # LALABAB/VLA-Bind-adapters
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к VLA-Bind-adapters
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии VLA-Bind-adapters — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

LALABAB/VLA-Bind-adapters
Автор
LALABAB
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

TinyAya IDK

TinyAya IDK