К содержимому
Робототехника

GR00T N1.7 для робота-манипулятора

модель для задачи перемещения кубика

2 мин чтения

Новая рабочая политика (policy) для управления робототехникой, обученная на базе архитектуры GR00T N1.7 от NVIDIA. Модель создана для того, чтобы робот мог выполнять точные действия на основе данных с камер и состояния манипулятора. Она обучена с помощью библиотеки LeRobot и специализируется на базовой задаче захвата и перемещения предметов. Полезно исследователям и инженерам, работающим с физическими роботами-манипуляторами.

Ключевые особенности

  • Основа GR00T N1.7: базируется на передовой архитектуре NVIDIA для гуманоидных роботов и робототехнических задач.
  • Мультимодальный ввод: обрабатывает данные с двух камер (голова и стол) и текущее состояние робота.
  • Узкая специализация: модель натренирована на задачу переноса кубика в коробку.
  • Интеграция с LeRobot: полностью поддерживается экосистемой LeRobot для быстрого запуска и дообучения.

Что можно сделать

  • Запустить на роботе: применить готовую политику для выполнения задачи складывания кубика в коробку с помощью скрипта rollout.
  • Использовать датасет: изучить обучающие демонстрации и траектории из связанного набора данных cube_task_v1.
  • Дообучить модель: использовать собранные эпизоды для адаптации робота под новые сценарии и окружения.

Пример

Запуск готовой политики на вашем роботе с помощью консольной утилиты LeRobot:

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ head: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, table: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=ButteredWaffle/cube_task_v1_groot_n17 \
  --task="Put the cube in the box" \
  --duration=60
ПодробнееЛицензия: apache-2.0
Тип робота: so_follower (камеры: head, table)
Данные обучения: 75 эпизодов, 37058 фреймов на частоте 30 FPS
Параметры обучения: 7000 шагов, batch size 4, оптимизатор adamw (lr=0.0001)
Обсудить Telegram 0 18

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 12 GB · готовые файлы13 GB
  • BF16веса 5.9 GB6.9 GB
  • FP8 / INT8рекомендуемвеса 2.9 GB3.7 GB
  • 4-bitвеса 1.6 GB2.3 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 5080

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.

    # ButteredWaffle/cube_task_v1_groot_n17
    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 ButteredWaffle/cube_task_v1_groot_n17 --local-dir ~/models/cube_task_v1_groot_n17
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к cube_task_v1_groot_n17
  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 cube_task_v1_groot_n17 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ButteredWaffle/cube_task_v1_groot_n17
Автор
ButteredWaffle
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

groot_rebot6

groot_rebot6