AgentRoboCritic-Muse-Glimmer-30B
AgentRoboCriticは、実行済みのロボット操作を評価する視覚言語モデルです。タスク、局所的な意図、動作指令、実行前後の画像に基づき、各動作の成否を判定し、失敗の種類と視覚的な根拠を出力します。Muse-Glimmer-30Bをファインチューニングしています。
モデルの説明全文を見る実行済みのロボット操作が局所的な意図を達成したかを判定し、視覚観察から失敗要因を分析します。
モデルの重みを見る (2)
論文と技術報告
論文・報告は未確認
公式紹介資料を登録しています。該当バージョンの論文・技術報告は未確認です。
最終確認: 2026-11-20
取得方法と利用条件
- モデルファイル
- 公開アクセス
- 学習データ
- 公開アクセス
このバージョンの学習コードは未確認です。公開コードの存在は、この版の学習実装の公開を意味しません。 検証事項を見る
学習・ファインチューニングコード
学習データ
一部の学習データは公開されていますが、学習データ全体の公開を意味しません。
モデルファイル
| ファイル | 取得方法 | 重みのライセンス | 商用利用 |
|---|---|---|---|
| AgentRoboCritic-Muse-Glimmer-30B (BF16) | 取得方法 | 重みのライセンス | 商用利用 |
出典確認日 · 2026-11-20
導入前の確認事項
著者の評価対象は、人手でラベル付けされた未学習の操作動作400件です。観察が不十分な場合、判定不能を出力できます。 重みやコードの公開は、そのままロボットで動作することを意味しません。必要な構成、データ、インターフェースを資料で確認してください。
導入・利用資料
- 実行環境とフレームワーク
- Transformers
構造と入出力
- モデルの種類
- 報酬・評価
- 重みのパラメーター数
- 29.7766 B
- 入力
- 言語 / RGB画像
- 公開日
- 2026年11月20日
- 入力モダリティ · 主カテゴリ: AgentRoboCritic-Muse-Glimmer-30B
- 主カテゴリ: AgentRoboCritic
適用範囲と学習方法
ベースモデル
meta-models/Muse-Glimmer-30B
パイプラインタスク
image-text-to-text
予測出力
意図の達成判定、失敗要因、把持失敗の小分類、視覚的な根拠を含むJSON
学習データ規模
12844 actions
学習データソース
https://huggingface.co/datasets/cx-cmu/AgentRoboCritic-Dataset
系譜
- ベースモデル · パイプラインタスク · 予測出力 · 学習データ規模 · 学習データソース · 系譜 · meta-models/Muse-Glimmer-30B: AgentRoboCritic-Muse-Glimmer-30B
- 学習データ規模 · 学習データソース: AgentRoboCritic-Dataset
学習データ
学習から分離したロボット操作動作400件の人手ラベル付き評価セット。失敗動作は264件です。 CC BY 4.0の対象はアノテーションです。画像には各出典ベンチマークのライセンスが適用されます。
400 actions · CC BY 4.0
ランク32のLoRAで教師あり微調整を行い、基盤モデルの重みに統合しました。12の操作ベンチマークの学習用動作12,844件を使用し、2エポック、バッチサイズ32、学習率5×10⁻⁵のコサインスケジュールで学習しています。 CC BY 4.0の対象はアノテーションです。画像には各出典ベンチマークのライセンスが適用されます。
12844 actions · CC BY 4.0
- AgentRoboCritic-Bench · 評価 · AgentRoboCritic-Dataset · ファインチューニング: AgentRoboCritic-Muse-Glimmer-30B
- AgentRoboCritic-Bench · 評価: AgentRoboCritic-Bench
- AgentRoboCritic-Dataset · ファインチューニング: AgentRoboCritic-Dataset
全パラメータと検証事項(モデルカード)
Hugging Faceでの公開元はカーネギーメロン大学のChenyan Xiong研究グループです。プロジェクト著者の所属はカーネギーメロン大学、イリノイ大学アーバナ・シャンペーン校、ボッシュ北米研究部門およびボッシュ人工知能センター(BCAI)です。
ランク32のLoRAで教師あり微調整を行い、基盤モデルの重みに統合しました。12の操作ベンチマークの学習用動作12,844件を使用し、2エポック、バッチサイズ32、学習率5×10⁻⁵のコサインスケジュールで学習しています。
学習と検証の分割はそれぞれ12,844件と1,548件です。著者は別の評価セットで成否判定のCohenのκを0.444、失敗分類のκを0.484、評価費用を0.79米ドルと報告しています。
評価時の温度は0、最大出力トークン数は1,024です。