К содержимому
Робототехника

chomeed/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k

чекпоинт модели pi0.5 для робототехнической задачи вставки кабелей

2 мин чтенияобновлено

Данная модель представляет собой чекпоинт (на 40 000 шагов) робототехнической политики pi0.5, дообученный на датасете демонстраций для вставки кабелей в задачу GRC с помощью фреймворка LeRobot. Она принимает изображения с трех камер и 18-мерное состояние, прогнозируя промежуточные подзадачи с помощью встроенного VLM (Vision-Language Model — мультимодальная языковая модель) и выдавая последовательность действий для манипуляторов. Модель ориентирована на исследователей и инженеров, занимающихся управлением роботами с использованием библиотеки LeRobot.

Ключевые особенности

  • Базовая модель: Основана на lerobot/pi05_base с использованием плагина pi05_subtask.
  • Входы: Использует данные с трех камер (две d405 и одна zed_mini) и 18-мерный вектор состояния.
  • Предсказание подзадач: VLM записывает текущую подзадачу, после чего эксперт действий строит траекторию.
  • Параметры обучения: Пакет 128 (64 на GPU x 2 B200), оптимизатор AdamW, точность bf16.

Что можно сделать

  • Запуск политики: Загрузить чекпоинт через класс PI05SubtaskPolicy для управления роботизированным комплексом.
  • Интеграция с железом: Передавать данные с камер и состояние суставов для выполнения задачи вставки кабелей.
  • Тестирование подзадач: Использовать предсказание подзадач для автоматизации многоэтапных манипуляций манипуляторами.

Пример

import torch, lerobot_policy_pi05_subtask
from lerobot.policies.factory import make_pre_post_processors
from lerobot_policy_pi05_subtask import PI05SubtaskPolicy
policy = PI05SubtaskPolicy.from_pretrained("chomeed/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k")
pre, post = make_pre_post_processors(policy.config, pretrained_path="chomeed/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k")
pad = torch.zeros(18, dtype=torch.bool)
batch = pre({"observation.state": state18, "observation.images.d405_left": img_left, "observation.images.d405_right": img_right, "observation.images.zed_mini": img_zed, "task": "insert the cable into the control module", "state_dim_is_pad": pad})
actions = post(policy.predict_action_chunk(batch))
ПодробнееФреймворк: LeRobot 0.6.2 pi05_subtask
Обучение: 40 000 шагов, train loss 0.002
Оборудование: 2 x B200 GPU (DDP)
Пространство действий: 18-мерное, чанк 30 шагов
Обсудить Telegram 0 19

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/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k
    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/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k --local-dir ~/models/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k
    # 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. task2_full_grc_subtask_rel_chunk30_bs128_1120_40k

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/task2_full_grc_subtask_rel_chunk30_bs128_1120_40k
Автор
chomeed
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии