К содержимому
Робототехника

VLCM-checkpoints

предсказание прогресса задач в робототехнике

2 мин чтенияобновлено

Набор исследовательских чекпоинтов для мультиагентных систем, которые оценивают прогресс выполнения задачи по визуальным данным и имитируют поведение агентов. Внутри два ключевых компонента: модель прогнозирования прогресса CFM-Future5, работающая поверх VLM (визуально-языковой модели) Qwen/Qwen3-VL-2B-Instruct, и компактная CNN-политика поведенческого клонирования (BC — обучение с учителем на примерах оптимальных действий). Релиз ориентирован на исследователей в области робототехники и мультиагентного управления, которым нужны готовые веса для оценки траекторий без запуска полного цикла обучения.

Ключевые особенности

  • Два модуля в одном репозитории: замороженная модель оценки прогресса CFM-Future5 и политика поведенческого клонирования AO400_optimal_epoch051.
  • Временной горизонт прогноза: CFM-Future5 принимает 8 наблюдений с частотой 5 Гц и предсказывает 10 интервалов прогресса с шагом 0,2 секунды.
  • Мультимодальный вход для политики: BC-модель на базе небольшой CNN использует вид сверху в разрешении RGB 224×224 и векторы состояния робота, цели и команды.
  • Честная метрика прогресса: система прогнозирует именно продвижение к цели, а не вероятность столкновения или функцию ценности RL (обучения с подкреплением).

Что можно сделать

  • Оценивать краткосрочный прогресс выполнения командных задач на горизонте +0,2 секунды в симуляторах мультиагентной робототехники.
  • Использовать легкую CNN-политику с выходом на 8 команд (с параметризацией tanh) в качестве базового контроллера для задачи AO.
  • Проводить воспроизводимые эксперименты по поведенческому клонированию, опираясь на приложенные метаданные контрактов входов и выходов в actor_bundle.json.

Пример

Чекпоинт cfm/Future5_epoch027_step152758.pt является частичным сохранением весов, а не автономной моделью для AutoModel из Transformers. Для запуска необходимо подключить базовую модель Qwen/Qwen3-VL-2B-Instruct, оригинальное определение архитектуры VLCM и восстановить замороженные параметры с помощью reconstruction seed 42, передав на вход серию из 8 кадров (5 Гц) и снимков команд.

ПодробнееМетрика BC-политики: MAE первого действия на валидации (80 эпизодов) составила 0.0928846 в нормализованных единицах (обучение велось на 320 эпизодах).
Формат экспорта: только веса для инференса с проверкой целостности через CHECKSUMS.json (SHA-256).
Ограничения: в репозитории нет кода архитектуры VLCM, состояний оптимизатора и датасетов; требуется соблюдение лицензии базовой модели Qwen.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # adi2440/VLCM-checkpoints
    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 adi2440/VLCM-checkpoints --local-dir ~/models/VLCM-checkpoints
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к VLCM-checkpoints
  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 VLCM-checkpoints — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

adi2440/VLCM-checkpoints
Автор
adi2440
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

iclr27_release

iclr27_release