К содержимому
Робототехника

dlsj-molmoact2-ft-8k

файнтюн MolmoAct2 для сортировки кубиков роботом SO-101

2 мин чтенияобновлено

Модель представляет собой LoRA-адаптацию (небольшую обучаемую надстройку поверх базовых весов) мультимодальной модели действий allenai/MolmoAct2-SO100_101 (5,589 млрд параметров) от пользователя akoniti. Она учит шестиосевой робот-манипулятор SO-101 выполнять трёхэтапную задачу с кубиками Duplo: взять деталь нужного цвета, поднести её к камере для проверки и положить в соответствующую миску. В отличие от базового чекпоинта, здесь дообучены не только LoRA-адаптеры для языковой модели и ViT (визуального трансформера), но и полностью обновлены блок генерации действий (action expert) и проектор изображений. Пригодится разработчикам робототехники, работающим с платформой LeRobot, манипуляторами SO-101 и симулятором Isaac.

Ключевые особенности

  • Гибридное обучение: сочетает несмердженные PEFT LoRA-адаптеры (146,6 млн параметров, rank 64) для LLM и ViT с полным обучением action expert и визуального проектора.
  • Жёсткая структура команд: работает по трём фиксированным шаблонам промптов на английском языке для захвата, поднесения к камере инспекции и сортировки по цветным мискам.
  • Работа с двумя камерами: принимает поток 640×480 с камеры на запястье (wrist) и обрезанный кадр 560×480 с верхней камеры (top), приводя их к разрешению 378×378.
  • Предсказание траектории: генерирует чанк из 30 последовательных шагов (6 степеней свободы: 5 суставов в градусах LeRobot и схват 0–100) за 10 шагов flow-matching.
  • Готовность к деплою: в репозитории есть манифест для экспорта в OpenVINO INT8+RTC и скрипты запуска на реальном роботе.

Что можно сделать

  • Запустить пайплайн сортировки деталей на реальном манипуляторе SO-101 с помощью скриптов run_loop.sh и run_finetuned.sh из репозитория.
  • Протестировать поведение робота в цифровом двойнике NVIDIA Isaac через клиент MolmoAct2Client с заданными инструкциями.
  • Сконвертировать чекпоинт в формат OpenVINO INT8 с помощью deploy/molmoact2/export.py для инференса на бортовом компьютере робота.

Пример

client = MolmoAct2Client(
    snap=".../step008000.ckpt",
    crops={"top": (0, 0, 560, 480)},
    instruction="pick up the red brick"
)
ПодробнееОбучение: 8000 из 12000 запланированных шагов (~2,7 эпохи) на 4 GPU в формате bf16-mixed (global batch 32).
Датасет: 453 эпизода (409 train / 44 validation, 105 382 кадра с частотой 30 Гц) с калибровкой без смещения суставов.
Параметры LoRA: rank 64, alpha 16, dropout 0.05, fp32; нормализация состояний и действий по квантилям (q01/q99).
Инференс на роботе: горизонт RTC 15, guidance 3, ограничение скорости до 4 градусов за тик (30 Гц).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 21 GB · готовые файлы23 GB
  • FP8 / INT8рекомендуемвеса 10 GB12 GB
  • 4-bitвеса 5.9 GB6.9 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 5070 · 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.

    # akoniti/dlsj-molmoact2-ft-8k
    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 akoniti/dlsj-molmoact2-ft-8k --local-dir ~/models/dlsj-molmoact2-ft-8k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к dlsj-molmoact2-ft-8k
  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

Дообучение модели

allenai/MolmoAct2-SO100_101

Новые посты про версии MolmoAct2-SO100_101 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

akoniti/dlsj-molmoact2-ft-8k
Автор
akoniti
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