К содержимому
Робототехника

SmolVLA Multi-Object Pick-and-Place

модель для управления роборукой

2 мин чтенияобновлено

Этот чекпоинт представляет собой результат дообучения (файнтюна) набора весов lerobot/smolvla_base на датасете из 200 эпизодов для задачи захвата и перемещения объектов (например, «подними коричневый кубик и положи его в чёрную коробку»). Модель предсказывает координаты шести суставов для роборуки-манипулятора в автономном режиме без необходимости использования ведущего рычага. Она создана для исследователей и разработчиков, работающих с фреймворком LeRobot и железом вроде SO-101.

Ключевые особенности

  • Нативная модель LeRobot: использует архитектуру SmolVLA (размером 0.45 млрд параметров) для автономного управления роборукой по визуальным данным.
  • Работа с двумя камерами: задействует вид сверху (overhead) и камеру на запястье (gripper) для точного позиционирования.
  • Обучение на NVIDIA H100: модель прошла 20 000 шагов обучения со смешанной точностью BF16.
  • Нормализованные позиции: использует относительные координаты суставов в диапазоне около [-100, 100] вместо градусов.

Что можно сделать

  • Автономный запуск роборуки: подключить совместимый манипулятор (например, SO-101) и запустить автономное выполнение задачи захвата предметов.
  • Настройка видеонаблюдения: подключить две камеры с разрешением 640x480 и сопоставить их потоки с входами модели.
  • Тестирование инференса: провести автономный тестовый запуск скрипта rollout без записи новых датасетов.

Пример

Пример команды для запуска автономного тестового прогона модели на роборуке:

lerobot-rollout \
  --strategy.type=base \
  --inference.type=sync \
  --policy.path=Daankrol/smolvla-multiobj-lerobot-20k \
  --policy.device=cuda \
  --policy.load_vlm_weights=false \
  --robot.type=so101_follower \
  --robot.port="$FOLLOWER_PORT" \
  --robot.use_degrees=false \
  --task="pick up the brown cube and put it in the black box"
ПодробнееШаги обучения: 20 000
Размер батча: 64
Финальная тренировочная потеря (loss): 0.034
Финальная потеря на оценке (evaluation loss): 0.4978
Требования: Python 3.12, LeRobot 0.6.0, CUDA-совместимая видеокарта NVIDIA
Обсудить Telegram 0 15

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # Daankrol/smolvla-multiobj-lerobot-20k
    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 Daankrol/smolvla-multiobj-lerobot-20k --local-dir ~/models/smolvla-multiobj-lerobot-20k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к smolvla-multiobj-lerobot-20k
  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 smolvla-multiobj-lerobot-20k — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Daankrol/smolvla-multiobj-lerobot-20k
Автор
Daankrol
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

150

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии