X-VLA Piper
18 чекпоинтов файнтюна для робота Piper
1 min read
X-VLA Piper от SXY7 — полнопараметрический файнтюн базовой модели 2toINF/X-VLA-Pt для задачи nesting_3dolls. В репозитории 18 полных чекпоинтов с шага 30000 по 200000: веса, конфиги, манифест и состояние обучения. Это VLA-модель для робототехники: по RGB-видам и положению суставов она предсказывает действия.
Ключевые особенности
- 18 чекпоинтов: шаги 30000–200000, примерно по 10,56 ГБ каждый.
- Вход: верхний RGB и RGB с правого запястья 224×224; третий вид замаскирован.
- 7 измеренных значений суставов/гриппера как проприоцепция.
- 30 предсказанных абсолютных 7-мерных действий суставов/гриппера.
- В каждом чекпоинте
model.safetensors, конфиги,piper_manifest.jsonиtraining_state.pt. - Нужно сохранять статистики нормализации и
domain_idиз манифеста.
Пример
Сценарий: подать два RGB-кадра 224×224 и 7 значений суставов, сохранить domain_id из piper_manifest.json и загрузить модель через XVLA и XVLAProcessor из совместимого исходника. На выходе — 30 абсолютных 7-мерных действий для робота Piper.
Подробнее
База: 2toINF/X-VLA-Pt, полнопараметрический файнтюн. Нужны upstream-коммит6c4ecfb8be458ae7c0c96094e4b0add4174f4fe2, Transformers 4.51.3 и конфиг action_mode=auto, real_action_dim=7, max_action_dim=20.Восстановительный тренер не сохранил точный курсор итерируемого датасета.
Каждый чекпоинт весит около 10,56 ГБ — учитывайте место на диске.










Comments