К содержимому
Компьютерное зрение

HITCH

управление гуманоидным роботом Unitree G1 через VLM

2 мин чтенияобновлено

Репозиторий содержит две vision-language модели (VLM — нейросети, работающие одновременно с изображениями и текстом), созданные для управления гуманоидным роботом Unitree G1 через программную обвязку HITCH. Обе версии дообучены на базе Qwen3.8-27B от команды исследователей (Lu et al.) и настроены отвечать сразу без вывода длинной цепочки рассуждений (reasoning trace). В отличие от обычных мультимодальных моделей, HITCH напрямую взаимодействует с инструментами управления телом робота в симуляторе и реальном мире. Релиз пригодится разработчикам в области робототехники и воплощённого ИИ (embodied AI).

Ключевые особенности

  • Две версии в одном репозитории: базовая HITCH-27B (используется на реальном роботе) и HITCH-27B-SIMPLE (дополнительно обучена на траекториях задач бенчмарка SIMPLE).
  • Генерация ответов без промежуточного reasoning trace для более быстрого отклика при вызове инструментов управления.
  • Построена на базе Qwen3.8-27B с поддержкой контекста до 262 144 токенов и до 512 изображений на один промпт при запуске в vLLM.
  • Открытая лицензия Apache-2.0, унаследованная от базовой модели.

Что можно сделать

  • Развернуть локальный сервер инференса через vLLM и подключить его как бэкенд для управления реальным роботом Unitree G1.
  • Запускать и тестировать агента в симуляторе на задачах манипуляции предметами (например, tabletop_pick) с визуализацией через встроенный вьювер.
  • Использовать вариант HITCH-27B-SIMPLE для оценки и воспроизведения экспериментов на задачах бенчмарка SIMPLE.

Пример

hf download Axellwppr/HITCH --include "HITCH-27B/*" --local-dir hitch
vllm serve hitch/HITCH-27B --served-model-name hitch --port 8000 \
  --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder \
  --max-model-len 262144 --limit-mm-per-prompt '{"image": 512, "video": 0}'
ПодробнееБазовая модель: Qwen/Qwen3.8-27B.
Архитектура и формат: transformers, задача image-text-to-text.
Лицензия: Apache-2.0.
Бенчмарки и точные требования к объёму VRAM в карточке не указаны.
Обсудить Telegram 0

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 51 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 25 GB29 GB
  • 4-bitвеса 14 GB16 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.

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.

    # Axellwppr/HITCH
    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 Axellwppr/HITCH --local-dir ~/models/HITCH
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к HITCH
  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

Qwen/Qwen3.8-27B

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Axellwppr/HITCH
Автор
Axellwppr
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии