Skip to content
Robotics

handoff

гибридный пайплайн захвата прозрачных объектов для робота Franka Panda

3 min readupdated

Набор весов от пользователя skkyshine для выполнения задачи «перехвата» (hand-off relay) на реальном манипуляторе Franka Panda: робот должен взять прозрачный стакан и поставить его на жёлтый лист. Вместо того чтобы полагаться только на нейросеть на всём пути, система делит задачу на два этапа. Сначала модель предсказания точек подхода (на базе ансамблей conditional flow matching) по одному RGB-D кадру определяет, где должна оказаться клешня за 4–12 см до контакта с объектом. Туда манипулятор переводится обычным скриптом, а финальный контакт и манипуляцию берёт на себя дообученная end-to-end VLA-политика (Vision-Language-Action) pi0.5 с LoRA-адаптером (небольшой надстройкой над базовой моделью). Решение пригодится исследователям в области робототехники, работающим с прозрачными предметами и гибридным управлением.

Ключевые особенности

  • Три варианта моделей подхода: по 52 МБ каждая, обучались под боковую камеру Intel RealSense D455 (рекомендуемая), фронтальную D435i или обе сразу.
  • Ансамбли flow matching: каждая модель подхода состоит из 10 нейросетей на PyTorch (800 эпох), которые по облаку точек и силуэту объекта (найденным через Grounding DINO и SAM 2.1) строят 64 сэмпла и выбирают плотнейшую моду с минимальным поворотом запястья.
  • Чекпоинт pi0.5 (6 ГБ): LoRA-файнтюн на обе башни Gemma (горизонт действий — 10 шагов), обученный на 2053 кадрах (10 телеуправляемых демонстраций).
  • Точность предсказаний: медианная ошибка позиции за 4 см до контакта составляет 3.4 см (для камеры D455), а ошибка ориентации — от 1 до 5 градусов.

Что можно сделать

  • Развернуть на стенде с Franka Panda: использовать весовые файлы в связке с репозиторием развёртывания vla_panda_project для отработки захвата прозрачной посуды и перекладывания мелких предметов (в данных также есть степлер и маркер).
  • Сравнить конфигурацию камер: протестировать разницу между фронтальной и боковой камерами глубины при построении точек подхода по облаку точек.
  • Использовать как базу для своих задач: адаптировать двухэтапную схему (скриптовый подвод по flow-matching + доводка через pi0.5) под новые объекты на рабочем столе.

Пример

Для работы финальной политики pi0.5 (шаг 2999) на вход подаются обрезанный кадр с фронтальной камеры D435i, изображение с камеры на запястье, вектор состояния манипулятора [x y z qx qy qz qw width] и текстовый промпт: pick the transparent cup and put it completely on the yellow plane. На выходе модель генерирует чанк из 10 действий (дельты координат и вращения в базовой системе координат плюс команда закрытия схвата).

Подробнее На обучающих кадрах pi0.5 предсказанный 1-секундный отрезок траектории заканчивается в 3.6 мм от записанного, а команда схвата совпадает в 99.7% шагов.
Важное ограничение: ни одна из моделей ещё не запускалась на реальном роботе — все метрики получены на офлайн-данных.
Модели подхода привязаны к конкретному расположению камер из обучающих записей, а детектор работает только в области рабочего стола.
Код для запуска и сервер в репозитории отсутствуют; на веса pi0.5 распространяются условия лицензии Gemma Terms of Use.
Discuss Telegram 0

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 0.0 GB · ready files0.5 GB
  • FP8 / INT8recommendedweights 0.0 GB0.5 GB
  • 4-bitweights 0.0 GB0.5 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 2060

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.

    # skkyshine/handoff
    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 skkyshine/handoff --local-dir ~/models/handoff
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to handoff
  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 handoff (quants, finetunes, LoRAs) will show up under the bell.

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

About the model

skkyshine/handoff
Author
skkyshine
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