К содержимому
Робототехника

ACT-политика для Piper

захват кружки с трёх камер

2 мин чтенияобновлено

Это обученная политика ACT (Action Chunking with Transformers — метод imitation learning, который предсказывает короткие чанки действий вместо одиночных шагов) для робота Piper. На вход она получает состояние из 7 чисел и три камеры — camera_hand, camera_chest и camera_top, а на выходе выдаёт 7-мерное действие. Тренировалась в LeRobot на 89 эпизодах (56 962 кадра, 15 FPS) для задачи захвата кружки. Запускать её можно на совместимом роботе через lerobot-rollout; результатов оценки на реальном железе в карточке пока нет.

Ключевые особенности

  • ACT предсказывает чанки действий — это может давать более устойчивое поведение, чем пошаговое управление.
  • Три камеры: camera_hand, camera_chest и camera_top, каждая с разрешением 360×640.
  • Вход — observation.state формы (7,), выход — action формы (7,).
  • Обучение шло 100 000 шагов в LeRobot 0.6.1 с batch size 8, AdamW и learning rate 1e-5.
  • Лицензия Apache 2.0 — можно использовать и адаптировать под свои задачи.

Что можно сделать

  • Запустить политику на своём Piper через lerobot-rollout, указав порт робота и камеры.
  • Записать собственные телеоперационные демонстрации и обучить свою ACT-политику по примеру из карточки.
  • Разобрать готовый пайплайн LeRobot для imitation learning и перенести его на другую манипуляцию.
  • Проверить политику на своём столе и собрать статистику успеха, которой пока нет в карточке.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=<your_robot_type> \
  --robot.port=<your_robot_port> \
  --policy.path=advanced-control/act_piper_pickup_mug_any_to_any \
  --task="task" \
  --duration=60
ПодробнееОбучение: 100 000 шагов, batch size 8, AdamW, lr 1e-5, seed 1000, LeRobot 0.6.1.
Данные: 89 эпизодов, 56 962 кадра, 15 FPS.
Вход: состояние (7,) и три камеры (3, 360, 640); выход: действие (7,).
Оценки на реальном роботе в карточке нет — успешность неизвестна.
Лицензия Apache 2.0.
Обсудить Telegram 0 26

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.2 GB · готовые файлы0.7 GB
  • BF16веса 0.1 GB0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 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 · F32 — 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.

    # advanced-control/act_piper_pickup_mug_any_to_any
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 advanced-control/act_piper_pickup_mug_any_to_any --local-dir ~/models/act_piper_pickup_mug_any_to_any
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_piper_pickup_mug_any_to_any
  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 act_piper_pickup_mug_any_to_any — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

advanced-control/act_piper_pickup_mug_any_to_any
Автор
advanced-control
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии