ViT-L-16-HTxt-Recap-CLIP

UCSC-VLAA 在 Hugging Face 发布的机器人模型，基于 open_clip，训练数据包含 UCSC-VLAA/Recap-DataComp-1B。

模型UCSC-VLAAViT-L-16-HTxt-Recap-CLIP

模型档案汇总架构、许可、适配机型与资料来源

ViT-L-16-HTxt-Recap-CLIP

UCSC-VLAA 在 Hugging Face 发布的机器人模型，基于 open_clip，训练数据包含 UCSC-VLAA/Recap-DataComp-1B。

具身模型
端侧部署

VLA研究2.56B更新于 2024-06-24

Hugging Face

概述

这个模型的核心架构、动作空间设计与真机部署定位。

Recap-CLIP-ViT-L-16-Txt-Huge-2.56B 是一个 CLIPA 模型，模型类型标注为对比式图文模型，可用于零样本图像分类。它对应的原始项目为 UCSC-VLAA/Recap-DataComp-1B，并关联论文《What If We Recaption Billions of Web Images with LLaMA-3?》。

该模型训练在 Recap-DataComp-1B 上，图文数据中的 caption 由 LLaVA-1.5-LLaMA3-8B 生成。对于机器人开发者，它更接近通用视觉-语言表征或零样本分类组件；模型卡没有给出机器人平台或具身任务验证结果。模型卡提示训练数据来自带生成 caption 的图文数据，可能保留原始网络抓取数据中的偏见与不准确性，使用时需关注相关风险。

资料出处 Hugging Face UCSC-VLAA/ViT-L-16-HTxt-Recap-CLIP

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: 2.56B
Hub 下载量: 7.4k; 出处Hugging Face
Hub 点赞: 18; 出处Hugging Face

网络架构: LeRobot / PyTorch Policy Network
动作空间表示: 连续关节位置/末端位姿动作空间
支持数据格式: SafeTensors

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

cc-by-4.0

权重许可证

cc-by-4.0

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 UCSC-VLAA/ViT-L-16-HTxt-Recap-CLIP --local-dir ./checkpoints/ucsc-vlaa-vit-l-16-htxt-recap-clip

# 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=UCSC-VLAA/ViT-L-16-HTxt-Recap-CLIP

预训练与微调基准数据集：UCSC-VLAA/Recap-DataComp-1B