К содержимому
Робототехника

ACT для SO101

политика захвата и переноса блока

2 мин чтенияобновлено

Это готовая политика imitation learning (обучение по демонстрациям) для робота SO101: по картинкам с двух камер и положению суставов она предсказывает следующие действия манипулятора. Обучена методом ACT (Action Chunking with Transformers), который выдаёт короткие последовательности действий, а не по одному шагу. Всё сделано в LeRobot, лицензия Apache-2.0. Модель узкая: задача ровно одна — взять блок и положить его в коробку. Пригодится тем, кто собирает SO101 и хочет проверить готовый пайплайн LeRobot без обучения с нуля.

Ключевые особенности

  • На входе — состояние 6 суставов и два изображения 480×640 с камер front и wrist.
  • ACT предсказывает короткие чанки действий; выход — 6-мерный вектор действия.
  • Обучена на 93 эпизодах, 24 572 кадрах при 30 FPS.
  • 20 000 шагов обучения, batch size 32, AdamW, learning rate 1e-5.
  • Совместима с LeRobot и роботом so_follower.

Что можно сделать

  • Запустить готовую политику на SO101 и проверить, как робот берёт блок и кладёт его в коробку.
  • Использовать как пример для собственного обучения ACT в LeRobot: заменить датасет и собрать свою политику.
  • Проверить пайплайн камер и калибровку so_follower перед записью новых демонстраций.
  • Сравнить с другими ACT-политиками на похожих задачах манипуляции.

Пример

lerobot-train \
  --dataset.repo_id=${HF_USER}/<dataset> \
  --policy.type=act \
  --output_dir=outputs/train/<policy_repo_id> \
  --job_name=lerobot_training \
  --policy.device=cuda \
  --policy.repo_id=${HF_USER}/<policy_repo_id>
ПодробнееБенчмарков нет: автор не привёл результаты оценки на реальном роботе.
Обучение: 20 000 шагов, batch size 32, AdamW, lr 1e-5, seed 1000, LeRobot 0.6.1.
Данные: 93 эпизода, 24 572 кадра, 30 FPS; задача — «Pick up the block and place it in the box».
Ограничение: политика обучена под so_follower с камерами front и wrist; для другого робота или камер потребуется своя настройка.
Обсудить Telegram 0 35

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.

    # CarAFM/act_so101_pick_place_v2
    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 CarAFM/act_so101_pick_place_v2 --local-dir ~/models/act_so101_pick_place_v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_so101_pick_place_v2
  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_so101_pick_place_v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

CarAFM/act_so101_pick_place_v2
Автор
CarAFM
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

350

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии