К содержимому
Робототехника

act_piper_pour_rice

модель управления роботом для переливания риса

2 мин чтенияобновлено

Эта модель представляет собой управляющую политику (policy) для робототехники, обученную с использованием метода ACT (Action Chunking with Transformers — предсказание коротких последовательностей действий вместо отдельных шагов). Решение создано на базе фреймворка LeRobot и натренировано на демонстрационных данных телеуправления для выполнения бытовой задачи. Модель принимает на вход данные о состоянии робота и изображения с трёх камер (ручной, нагрудной и верхней), а на выходе выдает управляющие действия. Она подойдет исследователям и разработчикам, работающим с физическими роботами-манипуляторами и имитационным обучением (imitation-learning).

Ключевые особенности

  • Архитектура ACT: Имитационное обучение на основе трансформеров для предсказания чанков действий.
  • Мультимодальный ввод: Использование данных с трёх различных камер высокого разрешения.
  • Датасет обучения: Натренировано на специализированном наборе данных из 30 эпизодов (48 715 кадров).
  • Интеграция с LeRobot: Полная совместимость с экосистемой LeRobot для развертывания и дообучения.

Что можно сделать

  • Запустить на роботе: Применить готовую политику для выполнения задачи переливания риса на совместимом роботе-манипуляторе через командную строку LeRobot.
  • Дообучить модель: Использовать конфигурацию и датасет для тренировки собственной политики с помощью утилит LeRobot.

Пример

Запуск готовой политики на реальном роботе с помощью утилиты из состава LeRobot:

lerobot-rollout \
  --strategy.type=base \
  --robot.type= \
  --robot.port= \
  --robot.cameras="{ : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=advanced-control/act_piper_pour_rice \
  --task="task" \
  --duration=60
ПодробнееЛицензия: apache-2.0
Оптимизатор: adamw (learning rate: 1e-05, batch size: 8)
Шаги обучения: 100 000 при частоте кадров 15 FPS
Размерность входов: состояние (7,), изображения (3, 360, 640)
Размерность выходов: действия (7,)
Обсудить Telegram 0 21

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

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

О модели

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

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии