К содержимому
Робототехника

CloudEdgeVLA

управление роботами при сетевых задержках

2 мин чтенияобновлено

Эта VLA-модель (Vision-Language-Action — нейросеть, связывающая зрение, текст и действия) превращает изображения с камер и текстовые команды в последовательности движений для робота-манипулятора. Чекпоинт от DaojiePENG построен на базе OpenVLA-7B (архитектура со зрительным энкодером DINOv2 + SigLIP и языковой моделью Llama-2-7B) по рецепту OpenVLA-OFT и дообучен на четырёх наборах задач симулятора LIBERO. Главная особенность модели — устойчивость к задержкам кадров: её специально тренировали на устаревших наблюдениях, чтобы имитировать пинг при вычислениях в облаке. Пригодится исследователям робототехники и разработчикам систем облачного управления (cloud-edge) манипуляторами.

Ключевые особенности

  • Устойчивость к лагам: при обучении использовалось окно задержки кадров W = 21 с эффективной историей в 64 кадра, благодаря чему модель сохраняет высокую точность даже при отставании картинки.
  • Параллельное декодирование: за один проход предсказывает сразу 8 шагов вперёд (open-loop action chunks) через L1-регрессионную голову.
  • Мультимодальный вход: обрабатывает изображения сразу с двух камер и учитывает проприоцепцию (данные о текущем положении суставов робота) через модуль ProprioProjector.
  • Полная сборка: основные веса уже объединены в формат safetensors (bf16), а отдельные модули головы действий и проектора лежат в корне репозитория.

Что можно сделать

  • Воспроизвести бенчмарки из статьи CloudEdgeVLA в симуляторе LIBERO на наборах задач libero_spatial, libero_object, libero_goal и libero_10.
  • Протестировать сценарии облачного управления роботом с разной искусственной задержкой передачи видеопотока (от 0 до 40 шагов).
  • Использовать в качестве готовой отправной точки для дальнейшего дообучения VLA-политик с параллельным предсказанием действий и проприоцепцией.

Пример

import torch
from huggingface_hub import hf_hub_download
from transformers import AutoModelForVision2Seq, AutoProcessor

repo_id = "DaojiePENG/cloudedgevla-libero-spatial-object-goal-10"
vla = AutoModelForVision2Seq.from_pretrained(
    repo_id, torch_dtype=torch.bfloat16, low_cpu_mem_usage=True, trust_remote_code=True
).eval().cuda()
processor = AutoProcessor.from_pretrained(repo_id, trust_remote_code=True)
action_head_ckpt = hf_hub_download(repo_id, "action_head--95000_checkpoint.pt")
proprio_ckpt = hf_hub_download(repo_id, "proprio_projector--95000_checkpoint.pt")
ПодробнееБенчмарк LIBERO (50 запусков на задачу, среднее по 4 наборам): 97.0% успеха без задержки (D0), 93.9% при задержке до 10 шагов (D10) и 72.4% при задержке до 40 шагов (D40).
Детали обучения: чекпоинт на 95 000 шаге (из 100 000), learning rate 5e-4, точность bf16.
Ограничения: для запуска тестов требуется внешний симулятор LIBERO, а для загрузки модели нужен флаг trust_remote_code=True и GPU с поддержкой CUDA.
Обсудить Telegram 0 72

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 14 GB · готовые файлы16 GB
  • FP8 / INT8рекомендуемвеса 7.0 GB8.2 GB
  • 4-bitвеса 4.0 GB4.8 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 3080 · BF16 — от RTX 5080

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.

    # DaojiePENG/cloudedgevla-libero-spatial-object-goal-10
    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 DaojiePENG/cloudedgevla-libero-spatial-object-goal-10 --local-dir ~/models/cloudedgevla-libero-spatial-object-goal-10
    # 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

Новые посты про версии cloudedgevla-libero-spatial-object-goal-10 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DaojiePENG/cloudedgevla-libero-spatial-object-goal-10
Автор
DaojiePENG
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

720

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии