Skip to content
Robotics

board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k

управление роботом при установке платы

2 min readupdated

Политика управления роботом-манипулятором (VLA — модель типа «зрение-язык-действие»), которая предсказывает текущую подзадачу и генерирует последовательность движений для захвата платы и её установки в модуль управления. Модель построена на базе pi0.5 (lerobot/pi05_base, 4.14 млрд параметров) для фреймворка LeRobot и дообучена на датасете chomeed/hyundai_duet_task1. В отличие от базовой версии, этот чекпоинт (шаг 5 000 из 10 000 обновлений оптимизатора) дополнительно обучен с использованием метода SIRIUS и DAgger (подход, учитывающий вмешательства человека во время автономной работы робота) и явно разбивает действие на текстовые подзадачи перед расчётом траектории. Пригодится исследователям и инженерам робототехники, работающим с бимануальными или манипуляционными задачами сборки в экосистеме LeRobot.

Ключевые особенности

  • Предсказание подзадач: VLM-компонент на базе PaliGemma сначала генерирует текстовую подзадачу (захват платы правой рукой, поворот головы в центр, вставка платы в модуль), после чего блок генерации действий (action expert) строит траекторию за 10 шагов flow-модели.
  • Мультимодальный вход и относительные действия: модель принимает изображения с трёх камер (d405_left, d405_right, zed_mini) и 18-мерный вектор состояния, выдавая чанк из 30 8-мерных действий в относительных координатах (абсолютным остаётся только закрытие правого гриппера).
  • Балансировка данных SIRIUS: при обучении батчи формируются в строгой пропорции — 50% демонстраций человека, 40% кадров вмешательства оператора (intervention) и 10% автономных прогонов робота.
  • Встроенные статистики нормализации: параметры препроцессинга и постпроцессинга сохранены в файлах policy_preprocessor_* и policy_postprocessor_* прямо в репозитории.

Что можно сделать

  • Воспроизвести пайплайн сборки плат: запустить инференс в среде LeRobot 0.6.2 с плагином lerobot_policy_pi05_subtask на совместимой установке с тремя камерами и 18-мерным вектором состояния.
  • Использовать как отправную точку для дообучения: взять чекпоинт за основу для адаптации под похожие задачи точной стыковки деталей с использованием ребалансировки демонстраций и вмешательств SIRIUS.
  • Анализировать переходы между этапами: отслеживать декодируемую подзадачу через атрибут policy.last_subtask для отладки поведения робота при смене фаз манипуляции.

Пример

import lerobot_policy_pi05_subtask  # pip install git+[https://github.com/HDR-SRL/lerobot_policy_pi05_subtask](https://github.com/HDR-SRL/lerobot_policy_pi05_subtask)
from lerobot_policy_pi05_subtask import PI05SubtaskPolicy

policy = PI05SubtaskPolicy.from_pretrained(
    "chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k"
)
actions = policy.predict_action_chunk(batch)  # policy.last_subtask хранит текущую подзадачу
ПодробнееОбучение: 5 000 из 10 000 шагов оптимизатора AdamW (batch 128 на 1 GPU B200, bf16 autocast, train loss 0.003).
Фреймворк: LeRobot 0.6.2 с плагинами lerobot_policy_pi05_subtask и lerobot_sirius.
Ограничения: при инференсе необходимо применять ту же обрезку кадров с камер, что и в датасете (например, для d405_left используются координаты 265,64,424,223 на эпизодах GRC или 265,9,424,168 на yonsei).
Discuss Telegram 0 23

Will it run?

Runs in F32

Fits without quantisation.

  • F32weights 15 GB · ready files17 GB
  • BF16weights 7.7 GB9.0 GB
  • FP8 / INT8recommendedweights 3.9 GB4.7 GB
  • 4-bitweights 2.2 GB2.9 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · F32 — from RTX 4090

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k --local-dir ~/models/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

  1. paligemma-3b-pt-224family root
  2. pi05_base
  3. board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k

New posts about versions of paligemma-3b-pt-224 (quants, finetunes, LoRAs) will show up under the bell.

Fine-tunes 12All on Hugging Face
LoRAs and adapters 12All on Hugging Face

About the model

chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k
Author
chomeed
Category
Robotics
Released
Posted

On NeyroLearn

Hugging Face

230

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments