Skip to content
Robotics

abc-dit-lego-three-all-ft

файнтюн робототехнической модели для сортировки Lego

2 min readupdated

Модель представляет собой файнтюн (дообучение) базового чекпоинта ABC-DiT XL 200k, разработанный пользователем edisonz2103 для задач робототехники. Она обучена на 92 симуляционных эпизодах сортировки блоков Lego (задача lego_blocks_sorting, промпт "lego blocks sorting") из датасета abc-agent-lego. На вход система принимает видеопоток с трёх камер (верхней, левой и правой) и текущие состояния 14 суставов робота, а на выходе предсказывает 14 управляющих команд для приводов. В отличие от предыдущего тестового прогона на 20 эпизодах, этот релиз объединяет все четыре сгенерированных набора данных, что даёт более стабильное снижение ошибки на валидации. Пригодится исследователям и разработчикам в области робототехники, работающим с архитектурой ABC-DiT и имитационным обучением в симуляторах.

Ключевые особенности

  • Объединённый датасет: обучение прошло на 101 865 рабочих кадрах из наборов lego_three_fixed, lego_three_gen20, lego_three_gen30 и lego_three_gen50.
  • Трёхкамерный ввод: работает со склеенным видеопотоком разрешением 224×504 пикселей с частотой 30 Гц и вектором из 14 измеренных и 14 целевых положений суставов.
  • Готовые чекпоинты и логи: в репозитории доступны веса каждые 1000 шагов (около 8 ГБ каждый), полный чекпоинт с состоянием оптимизатора (24 ГБ), кривые обучения и SLURM-скрипт.
  • Потенциал для дообучения: ошибка на валидации (val_loss) плавно снижалась до самого 4000-го шага, поэтому модель ещё не переобучилась и подходит для дальнейшего обучения.

Что можно сделать

  • Запустить инференс и протестировать качество сортировки блоков Lego в симуляционной среде репозитория edisonzhu2006/abc.
  • Продолжить обучение с 4000-го шага с помощью полного чекпоинта abc_dit_lego_three_all_4000_full.pt и флага --resume-from.
  • Использовать весовые чекпоинты (abc_dit_lego_three_all_4000.pt) как отправную точку для дообучения на других задачах манипуляции с объектами через abc_minimal.dit.load_pretrained.

Пример

uv run train.py --load-pretrained --pretrained-ckpt-name abc_dit_lego_three_all_4000.pt \
  --mixture-preset sim_task --train-steps 4000 --batch-size 90
ПодробнееМетрики на финальном 4000-м шаге: train loss — 0.0348, val_loss — 0.0518, val_recon_error — 0.1237.
Железо и время: обучение заняло 50 минут 46 секунд на одной видеокарте NVIDIA A100-SXM4-80GB (пиковое потребление VRAM — 63.6 GiB).
Детали обучения: 4000 шагов (~3.4 эпохи), batch size 90, оптимизатор AdamW (lr 1e-4 с линейным прогревом 1000 шагов), статистика нормализации унаследована от базовой модели.
Ограничения и лицензия: оценка модели непосредственно в симуляторе автором пока не проводилась; веса наследуют лицензию Apache-2.0 от ABC-DiT XL 200k с учётом ограничений визуального энкодера DINOv3.
Discuss Telegram 0

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 7.5 GB · ready files8.8 GB
  • FP8 / INT8recommendedweights 3.8 GB4.6 GB
  • 4-bitweights 2.1 GB2.8 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 · BF16 — from RTX 3080

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.

    # edisonz2103/abc-dit-lego-three-all-ft
    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 edisonz2103/abc-dit-lego-three-all-ft --local-dir ~/models/abc-dit-lego-three-all-ft
    # 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

New posts about versions of abc-dit-lego-three-all-ft (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

edisonz2103/abc-dit-lego-three-all-ft
Author
edisonz2103
Category
Robotics
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

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

Comments