К содержимому
Робототехника

board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k

управление роботом при установке платы

2 мин чтенияобновлено

Политика управления роботом-манипулятором (VLA — модель типа «зрение-язык-действие»), которая предсказывает текущую подзадачу и генерирует последовательность движений для захвата платы и её установки в модуль управления. Модель построена на базе pi0.5 (lerobot/pi05_base, 4.14 млрд параметров) для фреймворка LeRobot и дообучена на датасете chomeed/hyundai_duet_task1. В отличие от базовой версии, этот чекпоинт (шаг 5 000 из 10 000 обновлений оптимизатора) дополнительно обучен с использованием метода SIRIUS и DAgger (подход, учитывающий вмешательства человека во время автономной работы робота) и явно разбивает действие на текстовые подзадачи перед расчётом траектории. Пригодится исследователям и инженерам робототехники, работающим с бимануальными или манипуляционными задачами сборки в экосистеме LeRobot.

Ключевые особенности

  • Предсказание подзадач: VLM-компонент на базе PaliGemma сначала генерирует текстовую подзадачу (захват платы правой рукой, поворот головы в центр, вставка платы в модуль), после чего блок генерации действий (action expert) строит траекторию за 10 шагов flow-модели.
  • Мультимодальный вход и относительные действия: модель принимает изображения с трёх камер (d405_left, d405_right, zed_mini) и 18-мерный вектор состояния, выдавая чанк из 30 8-мерных действий в относительных координатах (абсолютным остаётся только закрытие правого гриппера).
  • Балансировка данных SIRIUS: при обучении батчи формируются в строгой пропорции — 50% демонстраций человека, 40% кадров вмешательства оператора (intervention) и 10% автономных прогонов робота.
  • Встроенные статистики нормализации: параметры препроцессинга и постпроцессинга сохранены в файлах policy_preprocessor_* и policy_postprocessor_* прямо в репозитории.

Что можно сделать

  • Воспроизвести пайплайн сборки плат: запустить инференс в среде LeRobot 0.6.2 с плагином lerobot_policy_pi05_subtask на совместимой установке с тремя камерами и 18-мерным вектором состояния.
  • Использовать как отправную точку для дообучения: взять чекпоинт за основу для адаптации под похожие задачи точной стыковки деталей с использованием ребалансировки демонстраций и вмешательств SIRIUS.
  • Анализировать переходы между этапами: отслеживать декодируемую подзадачу через атрибут policy.last_subtask для отладки поведения робота при смене фаз манипуляции.

Пример

import lerobot_policy_pi05_subtask  # pip install git+[https://github.com/HDR-SRL/lerobot_policy_pi05_subtask](https://github.com/HDR-SRL/lerobot_policy_pi05_subtask)
from lerobot_policy_pi05_subtask import PI05SubtaskPolicy

policy = PI05SubtaskPolicy.from_pretrained(
    "chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k"
)
actions = policy.predict_action_chunk(batch)  # policy.last_subtask хранит текущую подзадачу
ПодробнееОбучение: 5 000 из 10 000 шагов оптимизатора AdamW (batch 128 на 1 GPU B200, bf16 autocast, train loss 0.003).
Фреймворк: LeRobot 0.6.2 с плагинами lerobot_policy_pi05_subtask и lerobot_sirius.
Ограничения: при инференсе необходимо применять ту же обрезку кадров с камер, что и в датасете (например, для d405_left используются координаты 265,64,424,223 на эпизодах GRC или 265,9,424,168 на yonsei).
Обсудить Telegram 0 23

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 15 GB · готовые файлы17 GB
  • BF16веса 7.7 GB9.0 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 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 4090

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.

    # chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k
    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 chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k --local-dir ~/models/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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

lerobot/pi05_base
  1. paligemma-3b-pt-224основа семьи
  2. pi05_base
  3. board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k

Новые посты про версии paligemma-3b-pt-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

chomeed/board_insertion_merged_pi05_subtask_rel_chunk30_sirius_grc_dagger_early45f_R2_5k
Автор
chomeed
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии