К содержимому
Робототехника

PLWM

point-latent world model для робототехники

1 мин чтенияобновлено

Модель PLWM (point-latent world model) представляет собой исследовательский чекпоинт для задач робототехники, расширяющий архитектуру Wan2.2-TI2V-5B 3D-потоком точек и встроенным экшн-декодером. Она обучена на реальных данных бимануальных роботов с четырех камер и предсказывает как визуальные изменения, так и действия манипуляторов. Модель опирается на видеодиффузионный трансформер Wan2.2 и замороженный точечный автоэнкодер. Разработка полезна исследователям и инженерам, занимающимся робототехникой и моделями мира (world models).

Ключевые особенности

  • На основе Wan2.2-TI2V-5B с добавлением 3D point-latent потока.
  • Встроенный декодер действий (bimanual end-effector actions) на частоте 10 Гц.
  • Обучение на реальных бимануальных робоэпизодах с четырех ракурсов камер.
  • Включает финальный чекпоинт обучения на 8 картах H100 (шаг 10000) и код пакета.

Что можно сделать

  • Запустить тест загрузки модели на CPU с помощью скрипта из комплекта.
  • Настроить инференс, подключив публичные веса Wan2.2-TI2V-5B и текстовый энкодер umt5-xxl.
  • Использовать код пакета и конфигурации Hydra для собственных экспериментов с world models.

Пример

pip install torch hydra-core omegaconf einops imageio rich safetensors transformers
cd world_model && python load_test.py          # добавьте --ema для весов EMA
ПодробнееБерёт за основу Wan2.2-TI2V-5B и замороженный SE(3)-latent point AE (144 слота по 128 каналов).
Данные: 46 обучающих и 5 валидационных эпизодов бимануального робота на 10 Гц.
Оптимизация: DDP на 8x H100, глобальный батч 16, lr 1e-4, AdamW 8-bit, bf16.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 19 GB · готовые файлы21 GB
  • FP8 / INT8рекомендуемвеса 9.4 GB11 GB
  • 4-bitвеса 5.3 GB6.3 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 2080 Ti · BF16 — от RTX 4090

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-realworld
    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-realworld --local-dir ~/models/plwm-realworld
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к plwm-realworld
  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-realworld — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

24jihoward/plwm-realworld
Автор
24jihoward
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

Pelican-Sim 1.0

Pelican-Sim 1.0