К содержимому
Робототехника

HumanWAM-Goal-Base

базовая модель для роботов на 60 000 часах видео

2 мин чтенияобновлено

HumanWAM-Goal-Base — фундаментальный чекпоинт из проекта Open-HumanWAM от исследователей DAGroup-PKU для управления двурукими роботами (bimanual manipulation). Модель работает как совместный генератор будущего видео и последовательности из 48 шагов действий (action chunk): она принимает текстовую инструкцию, целевое изображение (goal image), текущие кадры с камер на голове и запястьях с историей 0.5 и 2 секунды, а также состояние робота. Чекпоинт обучен на гибридном датасете объёмом 60 000 часов (46 тысяч часов видео действий людей от первого лица и 14 тысяч часов данных с разных роботов). Главное отличие модели — способность выполнять задачи в режиме zero-shot (без дообучения под конкретную задачу) через унифицированное пространство координат рабочих органов (shared-EEF) и служить базой для адаптации под новых роботов.

Ключевые особенности

  • Совместное предсказание видео и действий: модель одновременно генерирует визуальный прогноз и траекторию из 48 шагов, опираясь на текст, целевой кадр и историю с нескольких камер.
  • Zero-shot управление без дообучения: поддерживает исполнение команд в единой системе координат камеры головы (head-camera NWU frame) для двуруких манипуляторов с 6 степенями свободы (6-DoF).
  • Удобная база для пост-тренинга: включает калибровочные границы нормализации (robot.json) для быстрой адаптации под конкретные симуляторы и физические платформы через goalwam_train.
  • Быстрый семплинг и стандартный формат: веса экспортированы в единый набор safetensors (включая transformer в bf16, vae и токенизатор) и используют семплер UniPC на 10 шагов.

Что можно сделать

  • Запустить zero-shot управление роботом: протестировать выполнение манипуляционных задач по текстовой команде и целевому фото без предварительного файнтюнинга модели.
  • Дообучить под свою робототехническую платформу: использовать чекпоинт как стартовую инициализацию в goalwam_train для адаптации под конкретный манипулятор или симулятор вроде RoboTwin 2.0.
  • Исследовать перенос навыков от человека к роботу: применять модель как основу для экспериментов с world-action архитектурами, обученными на эгоцентрических видео людей.

Пример

from goalwam import GoalWAM

with GoalWAM("HumanWAM-Goal-Base", backend="native") as model:
    result = model.predict(observation)
Подробнее Метрики: 13.94% среднего успеха в zero-shot на бенчмарке RoboTwin 2.0 и 30.5% на 20 реальных физических задачах без целевого дообучения.
Обучение: 60 000 часов гибридных данных (46k часов эгоцентрических видео людей + 14k часов данных роботов), сохранены EMA-веса на шаге 168 000.
Конфигурация: трансформатор в bf16, семплер UniPC (10 шагов, flow shift 2.0), внутренняя калибровка схвата gap_m (раскрытие 0.10 м, эталонная ширина 0.12 м).
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 28 GB · готовые файлы31 GB
  • FP8 / INT8рекомендуемвеса 14 GB16 GB
  • 4-bitвеса 7.8 GB9.1 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 5080 · BF16 — от RTX 5090

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.

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

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

О модели

DAGroup-PKU/HumanWAM-Goal-Base
Автор
DAGroup-PKU
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

CloudEdgeVLA

CloudEdgeVLA