К содержимому
Робототехника

plwm FurnitureBench world model

мировая модель для робототехники на базе Wan2.2

2 мин чтенияобновлено

Модель представляет собой мировую модель (world model) с точечным латентным представлением для манипуляций роботов, построенную на основе Wan2.2-TI2V-5B. Она предсказывает будущие облака точек робота и сцены вместе с видео. Модель обучена на трековых облаках точек из FurnitureBench (включая квадратный стол и другие задачи) с разрешением 4096 точек на кадр и 32 шагами истории. Разработка пригодится исследователям и инженерам, работающим в области робототехники, компьютерного зрения и симуляции физических взаимодействий.

Ключевые особенности

  • Построена на базе Wan2.2-TI2V-5B (DiT + VAE) и инициализирована с нуля.
  • Прошла обучение в течение 100 000 шагов с глобальным батчем 64 и оптимизатором AdamW.
  • Использует SE(3)-латентный точечный автоэнкодер для кодирования облаков точек в латентное пространство.
  • В комплект входят веса экспоненциального скользящего среднего (EMA) для оценки и декодер точек в действия.

Что можно сделать

  • Исследовать прогнозирование динамики сцены и облаков точек в робототехнических задачах манипуляции.
  • Использовать чекпоинт ema.pt совместно с энкодером encoder/ae_wmstats.pt для оценки производительности модели.
  • Применять декодер pts_actdec.pt для сопоставления облаков точек с действиями робота.

Пример

Для работы с моделью используйте конфигурационный файл config.yaml, веса ema.pt и энкодер encoder/ae_wmstats.pt, как указано в документации репозитория.

ПодробнееАрхитектура: Wan2.2-TI2V-5B (DiT + VAE)
Обучение: 100 000 шагов, глобальный батч 64, AdamW lr 1e-4, косинусное расписание, bf16, EMA 0.999
Включенные файлы: config.yaml, ema.pt (~10 GB), encoder/ae_raw.pt, encoder/ae_wmstats.pt, pts_actdec.pt (~50 MB)
Обсудить Telegram 0 13

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 9.4 GB · готовые файлы11 GB
  • FP8 / INT8рекомендуемвеса 4.7 GB5.7 GB
  • 4-bitвеса 2.6 GB3.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2080 Ti

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # 24jihoward/plwm-fb-wm-100k
    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 24jihoward/plwm-fb-wm-100k --local-dir ~/models/plwm-fb-wm-100k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к plwm-fb-wm-100k
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии plwm-fb-wm-100k — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

24jihoward/plwm-fb-wm-100k
Автор
24jihoward
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

130

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

lewam_jepa_pusht

lewam_jepa_pusht
Робототехника

WeaveMem YAM 10K

WeaveMem YAM 10K