К содержимому
Робототехника

g1-move-plate-act

ACT-политика для переноса тарелки гуманоидом Unitree G1

2 мин чтенияобновлено

Это компактный чекпоинт LeRobot ACT (около 50 млн параметров), который учит гуманоида Unitree G1 с захватами Dex1-1 переставлять тарелку со стойки 1 на стойку 2 в симуляторе MuJoCo на задаче BiGym2 move_plate. Нижняя часть тела при этом заморожена через GR00T-WBC. На вход политика получает три RGB-камеры 84×84 (голова и два запястья) и 28 проприоцептивных позиций, на выход выдаёт 20-мерное нормализованное действие. Обучение шло на 360 эпизодах: 60 человеческих демонстраций и 300 синтетических от скриптового эксперта, всего 249 251 кадр. Пригодится для воспроизведения, сравнения и дообучения робототехнических политик, а не для чатов.

Ключевые особенности

  • ACT-политика для Unitree G1 + Dex1-1 в BiGym2, нижняя часть тела заморожена GR00T-WBC.
  • Вход: три RGB-камеры 84×84 и 28 проприоцептивных измерений, без привилегированного состояния.
  • Выход: 20-мерное действие, chunk 50 с temporal ensembling 0.01, одно действие на шаг контроля.
  • 30/30 на официальном публичном блоке 7 310 000 и 119/120 на held-out блоке 8 100 000.

Что можно сделать

  • Запустить оценку в BiGym2/MuJoCo и воспроизвести успешные эпизоды из карточки.
  • Сравнить политику с другими ACT-чекпоинтами для задачи move_plate.
  • Использовать как baseline для пайплайна с человеческими и синтетическими демонстрациями.

Пример

hf download Ctrlgb/g1-move-plate-act --exclude "videos/*" --local-dir checkpoints/act_move_plate_v5
ПодробнееОценка по Advaitic balanced-slot protocol: официальный блок 7 310 000 — 30/30 PASS, по 5/5 в каждом слоте.
Held-out блок 8 100 000 — 119/120; единственный провал: тарелка осталась на краю стойки и не встала на место.
Обучение: batch 256, lr 2e-5, 50k шагов, fp32, бэкбоны ResNet18 с инициализацией ImageNet.
Ограничение: одна задача move_plate в симуляторе, без привилегированного состояния.
Обсудить Telegram 0 26

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.

    # Ctrlgb/g1-move-plate-act
    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 Ctrlgb/g1-move-plate-act --local-dir ~/models/g1-move-plate-act
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к g1-move-plate-act
  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 g1-move-plate-act — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Ctrlgb/g1-move-plate-act
Автор
Ctrlgb
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии