К содержимому
Другое

CompDiffuser checkpoints

чекпоинты для диффузионного планирования в RL

2 мин чтенияобновлено

Набор предобученных весов и конфигураций для фреймворка Native Chunk Consistency Models (comp_flow_map) от CUMTHenry. Модель решает задачи планирования траекторий и управления агентами в симуляциях обучения с подкреплением (RL — reinforcement learning) на средах OGBench: навигация в лабиринтах (AntMaze, PointMaze, HumanoidMaze), футбол для роботов (AntSoccer) и манипуляции с кубиками (Cube). Внутри собраны диффузионные планировщики (CompDiffuser), модели обратной динамики, низкоуровневые контроллеры и дистиллированный student-чекпоинт Chunk Consistency. Пригодится исследователям и разработчикам в области offline RL и диффузионного планирования, чтобы воспроизводить результаты без многочасового обучения с нуля.

Ключевые особенности

  • Охватывает 12 сред из бенчмарка OGBench, включая сложные задачи с гуманоидами и сборку комбинаций из 1–4 кубиков.
  • Включает оригинальные диффузионные планировщики (шаги обучения до 1800k) и модели обратной динамики (inverse dynamics).
  • Содержит дистиллированные веса Chunk Consistency для ускоренного вывода на задаче antmaze-giant-stitch-v0 (шаги 200k, 400k, 600k).
  • Вместе с весами (state_.pt) сохранены полные конфигурации сетей, нормализации датасетов, рендера и логи метрик обучения.

Что можно сделать

  • Использовать готовые планировщики и контроллеры для тестирования алгоритмов навигации и манипуляции в средах OGBench.
  • Сравнить скорость и качество работы стандартного диффузионного учителя CompDiffuser и дистиллированной модели Chunk Consistency на задаче antmaze-giant-stitch-v0.
  • Взять предобученные чекпоинты как базу для дальнейшей дистилляции других сред из набора (например, HumanoidMaze или AntSoccer).

Пример

# Загрузка через вспомогательный скрипт из репозитория кода
bash download_artifacts_from_hf.sh --repo CUMTHenry/compdiffuser_checkpoints

# Или вручную через утилиту hf
hf download CUMTHenry/compdiffuser_checkpoints --include "dql_results/*" --local-dir .
hf download CUMTHenry/compdiffuser_checkpoints --exclude "dql_results/*" --local-dir logs
ПодробнееЛицензия: MIT (построено на базе RCD, CompDiffuser, CDGS и OGBench).
Формат хранения: только веса моделей и pickle/json-конфиги без видео и результатов прогонов.
Ограничения: для запуска планирования требуются сами датасеты и ассеты сред OGBench, которые не входят в репозиторий.
Статус: модель Chunk Consistency для antmaze-giant-stitch-v0 продолжала обучаться на момент публикации, возможны обновления.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.4 GB · готовые файлы3.1 GB
  • FP8 / INT8рекомендуемвеса 1.2 GB1.8 GB
  • 4-bitвеса 0.7 GB1.2 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.

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

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

О модели

CUMTHenry/compdiffuser_checkpoints
Автор
CUMTHenry
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