🔥 Опубликованы веса и код Green-VLA — модели для управления роботами общего назначения.
Сбер открыл доступ к своей Vision-Language-Action модели. В феврале эта работа стала лучшей статьей недели на Hugging Face, а сейчас всё выложили в open-source.

🔘Главное о технической части:
- В основе лежит Qwen3-VL-4B и трансформер, который с помощью flow-matching предсказывает действия робота в реальном времени
- Модель обучалась в пять этапов, от мультимодальных веб-данных до примеров с реальных роботов
- Унификация робототехнических данных позволяет модели лучше обобщаться и работать на разных роботах

Благодаря такому подходу, модель получает лучшие метрики на робототехнических бенчмарках Fractal и Bridge.

🔘Состав релиза:
- исходный код для обучения и инференса на GitHub;
- предобученные веса на платформе Hugging Face;

🔜 Релиз может быть важен для всех, кто занимается робототехникой. Базовую модель можно быстро дообучить под конкретного робота и использовать ее для решения реальных задач, например на производствах или складах.

@ai_machinelearning_big_data
#ai #ml #sber