К содержимому
Другое

Asimov 1 ping-pong balance

управление гуманоидом

1 мин чтенияобновлено

Политика подкрепленного обучения (RL, метод обучения агента путем проб и ошибок), обученная в симуляторе MuJoCo (программная среда для симуляции физики) и перенесенная на реального робота-гуманоида Asimov 1. Модель в реальном времени анализирует видео с головной камеры и показания IMU (датчик ускорения и вращения), управляя движениями правой руки для удержания теннисного мяча на ракетке. Разработка создана для тестирования динамического управления в робототехнике и преодоления разрыва между симуляцией и реальностью.

Ключевые особенности

  • Обучение методом PPO (алгоритм оптимизации проксимальной политики) в MuJoCo и перенос на реальное железо.
  • Использование предиктора на базе фильтра Калмана для компенсации задержки камеры.
  • Поддержка автономной стойки робота без помощи подвесной рамы (gantry).
  • Управление правой рукой на частоте 50 Гц с обработкой наблюдений от суставов и гироскопа.

Что можно сделать

  • Запустить симуляцию пайплайна управления в MuJoCo с помощью скриптов репозитория.
  • Протестировать оценку производительности модели в среде, приближенной к реальному роботу.
  • Изучить конфигурации обучения, логи и чекпоинты модели albert_v3_final.

Пример

from asimov_pp.ppo import load_policy
policy = load_policy("outputs/albert_v3_final/best.pt")
action = policy(obs)
ПодробнееБенчмарки: до 57 секунд непрерывного балансирования в свободном режиме.
Требования: Python, PyTorch, MuJoCo, доступ к SDK робота Asimov 1.
Особенности: обучение с имитацией задержки камеры и шумов сенсоров реального робота.
Видео-пример
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.

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

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

О модели

cetiennec/asimov-pingpong-balance
Автор
cetiennec
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

Другое

RoboRACE-Net

RoboRACE-Net
Другое

WristDepth

WristDepth