Skip to content

MolmoAct2-LIBERO-LeRobot ​

MolmoAct2-LIBERO-LeRobot

allenai 在 Hugging Face 发布的机器人模型,架构为 MolmoAct 2 (Molmo VLM + Action Generation),参数规模 5.4B,训练数据包含 allenai/MolmoAct2-LIBERO-Dataset。

模型allenaiMolmoAct2-LIBERO-LeRobot

模型档案汇总架构、许可、适配机型与资料来源

MolmoAct2-LIBERO-LeRobot

allenai 在 Hugging Face 发布的机器人模型,架构为 MolmoAct 2 (Molmo VLM + Action Generation),参数规模 5.4B,训练数据包含 allenai/MolmoAct2-LIBERO-Dataset。

  • 具身模型
  • 端侧部署
策略模型研究5.4B更新于 5 个月前

概述

这个模型的核心架构、动作空间设计与真机部署定位。

MolmoAct2-LIBERO(LeRobot)是 MolmoAct2-LIBERO 的 LeRobot 格式检查点,用于 LIBERO 任务评估,并可作为在相关机器人数据集上继续微调 MolmoAct2 的起点。模型输入为多视角 RGB 图像、机器人状态和语言指令,输出 LIBERO 的连续机器人动作;训练目标包含 flow matching 和离散 action-token 损失,推理时使用 flow-matching action expert 的连续动作输出。

该检查点从 allenai/MolmoAct2-LIBERO 继续微调,在 allenai/MolmoAct2-LIBERO-Dataset 上额外训练 10k steps,使用 8 张 H100、每 GPU batch size 32。它保存了 LeRobot policy config、模型权重、preprocessor、postprocessor 和归一化统计,通过 policy.path 恢复;继续 LIBERO 微调时推荐使用 policy.path。

在 LIBERO Spatial、Object、Goal 和 LIBERO 10 上,连续动作推理结果分别为 98.4%、100.0%、98.0% 和 96.6%,平均 98.25%。模型以 Apache 2.0 许可发布,面向研究和教育用途;已发布的 MolmoAct2 检查点最大动作维度固定为 32,flow loss 中会 mask padding 维度。

资料出处 Hugging Face allenai/MolmoAct2-LIBERO-LeRobot

关键参数与架构规格

参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。

参数量
5.4B
Hub 下载量
5.3k
出处Hugging Face
Hub 点赞
4
出处Hugging Face
网络架构
MolmoAct 2 (Molmo VLM + Action Generation)
动作空间表示
离散动作 Token (Autoregressive Action Tokens)
支持数据格式
LeRobot

暂未公开或待收录:微调显存需求 · 闭环控制频率

快速部署与许可说明

开源许可证、权重拉取命令、预训练数据集与关联文章。

代码许可证

apache-2.0

权重许可证

apache-2.0

权重下载与策略推理参考

# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download allenai/MolmoAct2-LIBERO-LeRobot --local-dir ./checkpoints/allenai-molmoact2-libero-lerobot

# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=allenai/MolmoAct2-LIBERO-LeRobot

预训练与微调基准数据集:allenai/MolmoAct2-LIBERO-Dataset

关联机型

模型卡或论文声明在这些机器人上训练、微调或部署过;口径是作者声明,不是第三方复现。

没有已核实的适配记录。

同家族模型

同一家族里的热门模型。

来源

本页事实对应的公开页面,以原文为准。

  1. Hugging Face allenai/MolmoAct2-LIBERO-LeRobot访问 2026-10-27