AgentRoboCritic-Muse-Glimmer-30B

論文と技術報告

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。

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

モデルファイル
AgentRoboCritic-Muse-Glimmer-30B (BF16)取得方法重みのライセンス商用利用
条件付き利用条件

出典確認日 · 2026-11-20

条件の説明

公開元の表記ではApache 2.0であり、Muse Glimmer利用ポリシーが適用されます。

公開情報

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

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

学習データ

  • AgentRoboCritic-Bench

    評価公開済み

    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

  • AgentRoboCritic-Dataset

    ファインチューニング公開済み

    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

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。

情報源または訂正を送信