AlphaBot2 OVMM SFT3000
замороженный SFT-бейзлайн для OVMM
2 min read
Это публичная копия policy-чекпоинта manip_recovery_opt_v1/ckpt_step0003000/policy от Neptune-T на базе alphabot2/aibot2_grab_bag_combined_over_under_pi05. Модель на 4.14 млрд параметров, библиотека LeRobot, для управления роботом-манипулятором по состоянию, текстовой задаче и шести RGB-камерам. Это inference/fine-tuning экспорт, без нового обучения и конвертации весов.
Ключевые особенности
- На входе —
state16, текст задачи и шесть упорядоченных RGB-ключей:camera_left,camera_right,camera_top,camera_top_h5,camera_top_h10,camera_top_h15. - Нужен runtime LeRobot pi0.5 из проекта; версии зафиксированы в
release/runtime.json, код serving лежит вrelease/code/scripts/alphabot2_pi05/. - В корне — полные FP32-веса policy, конфиг, pre/postprocessors, тензоры нормализации и tokenizer. Это экспорт для инференса и файнтюна, а не точный optimizer/RNG resume-чекпоинт.
- В
training/— исходная конфигурация, summary и лог; вrelease/— код контроллера, версии пакетов и свидетельства оценки. Абсолютные пути в метаданных нужно перелокализовать, но корневые веса самодостаточны. - Выход — 50-шаговый 18-мерный action chunk. История — реальные предыдущие кадры головы, а не повтор текущих.
Пример
from huggingface_hub import snapshot_download
model = snapshot_download('Neptune-T/alphabot2-ovmm-sft3000', local_dir='ovmm-model')
data = snapshot_download('Neptune-T/alphabot2-ovmm-sft', repo_type='dataset', local_dir='ovmm-data')
Подробнее
Обучение: продолжение 3000 шагов, global batch 12, старт из 250-шагового NAV-correction пилота; 80% phase-balanced original replay / 20% qualified NAV corrections.Закрытый контур: TRAIN12 full success 4/12, development heldout 0/3, fixed development6 1/6 — только assisted simulator results с privileged-goal Planner и
observable_placement_exit_v2, FP32, batch1.Ограничения: не pure end-to-end navigation и не real-robot qualification; simulator assets/runtime не включены; исходные лицензии upstream сохраняются.










Comments