К содержимому
Другое

CAT

оценка проходимости местности для разных роботов по одному RGB-D кадру

2 мин чтенияобновлено

Модель CAT от исследователей из Университета Сан-Паулу (представлена на конференции IROS 2026) строит плотную карту проходимости (dense traversability) по одному RGB-D изображению (цветной кадр плюс карта глубины). Главная особенность — прогноз зависит от возможностей конкретного робота, который должен проехать по этой поверхности: одна и та же преграда может быть проходимой для гусеничной платформы, но недоступной для маленького колёсного ровера. В основе лежат замороженные бэкбоны (опорные нейросети извлечения признаков) facebook/dinov3-vitb16-pretrain-lvd1689m и CIDAS/clipseg-rd64-refined. Пригодится разработчикам автономной навигации и мобильной робототехники для работы в неструктурированной среде и на бездорожье.

Ключевые особенности

  • Адаптация под конкретного робота: предсказание проходимости учитывает характеристики и оценки (scores) выбранной платформы.
  • Работа по одному кадру: для построения карты не требуется серия снимков — достаточно пары RGB и depth-изображения.
  • Связка DINOv3 и CLIPSeg: архитектура опирается на замороженные визуальные и мультимодальные признаки из предобученных моделей.
  • Статистика сенсоров в комплекте: вместе с весами best_model.pth поставляется файл depth_stats.json со статистикой глубины по сенсорам.

Что можно сделать

  • Планирование маршрутов на бездорожье: интегрировать модель в систему навигации автономного робота для выбора безопасной траектории по неровному грунту.
  • Сравнение проходимости разных платформ: прогонять одни и те же RGB-D сцены с разными профилями возможностей роботов (через scores.yaml), чтобы оценить, где пройдёт конкретная машина.
  • Тестирование на датасете NaviTrace: запустить готовый демо-скрипт cat_demo.py на примерах из репозитория проекта для проверки качества сегментации.

Пример

uv run --locked --extra cu128 hf download CAT-IROS-2026/cat best_model.pth depth_stats.json --local-dir checkpoints/cat

uv run --locked --extra cu128 python cat_demo.py \
  --checkpoint checkpoints/cat/best_model.pth \
  --rgb examples/navitrace/*/rgb.png \
  --depth examples/navitrace/*/depth.png \
  --scores examples/navitrace/scores.yaml \
  --sensor ts
ПодробнееБазовые модели: facebook/dinov3-vitb16-pretrain-lvd1689m и CIDAS/clipseg-rd64-refined (загружаются автоматически при первом запуске).
Состав релиза: чекпоинт best_model.pth и файл статистики глубины depth_stats.json.
Лицензии: чекпоинт распространяется под DINOv3 License (так как обучен на признаках DINOv3), код — под MIT License.
Требования к VRAM и цифры бенчмарков в карточке не указаны (подробности в статье arXiv:2607.20679).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 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 · BF16 — 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.

    # CAT-IROS-2026/cat
    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 CAT-IROS-2026/cat --local-dir ~/models/cat
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к cat
  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

  1. dinov3-vit7b16-pretrain-lvd1689mоснова семьи
  2. dinov3-vitb16-pretrain-lvd1689m
  3. cat

Новые посты про версии dinov3-vit7b16-pretrain-lvd1689m — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face

О модели

CAT-IROS-2026/cat
Автор
CAT-IROS-2026
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии