К содержимому
Робототехника

act-green-square-test

модель управления роботом для выбора зеленого квадрата

2 мин чтения

Политика управления манипулятором, обученная с помощью фреймворка LeRobot и метода ACT (Action Chunking with Transformers — подход имитационного обучения, предсказывающий короткие последовательности действий вместо одиночных шагов). Модель принимает на вход состояние робота и изображения с двух камер (фронтальной и на захвате) с разрешением 640x480, после чего выдает управляющие векторные команды для выбора целевого объекта. Решение создано для роботов типа so_follower на основе датасета из 29 эпизодов и пригодится разработчикам робототехники, использующим экосистему LeRobot.

Ключевые особенности

  • Архитектура ACT: предсказание коротких последовательностей действий вместо пошагового контроля
  • Работа с мультимодальными данными: состояние суставов и два потока с камер (фронтальной и на гриппере)
  • Обучена на датасете из 29 эпизодов (14 236 кадров при 30 FPS)
  • Интеграция с библиотекой LeRobot версии 0.7.1 и оптимизатором adamw

Что можно сделать

  • Запустить готовую политику управления на реальном роботе so_follower с помощью команды lerobot-rollout
  • Обучить собственную политику на пользовательских демонстрациях движений с использованием скриптов LeRobot
  • Настроить параметры камер и порты подключения под аппаратную конфигурацию конкретного робота

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, gripper: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=albarodriguezsalvador/act-green-square-test \
  --task="green-square-fix-movement-001 selects the green square between 4 squares"
ПодробнееПараметры обучения: 200 шагов, размер батча 8, learning rate 1e-05, seed 1000.
Входные признаки: observation.state размерности (6,), изображения front и gripper (3, 480, 640).
Выходные данные: вектор действия action размерности (6,).
Результаты оценки на реальном роботе пока не предоставлены автором.
Обсудить Telegram 0 17

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.

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

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

О модели

albarodriguezsalvador/act-green-square-test
Автор
albarodriguezsalvador
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии