Team-15 Rescue Mission LoRA

LoRA-адаптер для Qwen/Qwen3.5-2B от Team-15 (CodeMetal Forge hackathon, ноябрь 2026). Модель работает как консультант небольшого колёсного поисково-спасательного робота: на каждом шаге предлагает следующее действие в JSON — запрос инструмента или финальную рекомендацию.

Адаптер: LoRA r=16, α=32, dropout 0.05, 15.63 млн параметров. Веса базовой модели не входят. У модели нет полномочий управлять роботом: запросы проходят детерминированный safety gate.

⭐ Ключевые особенности

• 🚨 Только advisory: не управляет моторами, захватом, e-stop и не подтверждает наличие человека.
• ✅ На каждом шаге выдаёт JSON-запрос инструмента или FINAL-рекомендацию; safety gate принимает или отклоняет.
• 📌 Обучение: 689 записей из 707, синтетические миссии; 7 изображений Co-GLANCE.
• 👀 Vision-энкодер заморожен; обучались только языковые q/k/v/o, DeltaNet и MLP-модули.
• 💻 Запуск через transformers + PEFT; Ollama 0.40.2 не загружает LoRA.

💻 Пример

import torch
from peft import PeftModel
from transformers import AutoModelForImageTextToText, AutoProcessor
base = 'Qwen/Qwen3.5-2B'
model = AutoModelForImageTextToText.from_pretrained(base, dtype=torch.bfloat16)
model = PeftModel.from_pretrained(model, 'MOHDMUBASHIR/team15-qwen3.5-2b-rescue-mission-lora').eval()

Подробнее

Бенчмарк: 218/230 (94.8%) корректных следующих шагов с RAG; JSON парсится 230/230; 0/182 небезопасных запросов движения.
Базовая Qwen3.5-2B в том же сетапе: 0/230 — без валидного формата шага.
Ограничения: синтетический in-distribution бенчмарк, реального железа не было; только английский; переноса на новые задачи нет (LiDAR: 0/60 schema-valid).
Обучение: 1 эпоха, 89 шагов, ~78 минут на одном Apple-silicon Mac.