К содержимому
Робототехника

FastWAM-Fold-Towel-IOReset-Epoch-1

робот учится складывать полотенца на базе Wan 2.2

2 мин чтенияобновлено

Оценочный чекпоинт (веса модели с первой из шести эпох обучения) для двуручной робототехники, основанный на видеомодели Wan2.2-TI2V-5B и архитектуре FastWAM. Модель решает конкретную манипуляционную задачу: берет длинное полотенце двумя захватами за края, последовательно складывает его по короткой, длинной и снова по короткой стороне, а затем разглаживает. На вход подаются кадры с трех камер и текстовая инструкция, а на выходе нейросеть сначала предсказывает будущие кадры видео, а затем генерирует последовательность из 32 шагов управления суставами. Отличительная черта этой версии — стратегия инициализации IO reset: входные и выходные слои действий и проприоцепции (данных о положении собственных суставов робота) были сброшены и обучены с нуля из-за несовместимости статистик исходного чекпоинта. Пригодится исследователям в области Embodied AI (ИИ для физического мира) и разработчикам, работающим с двуручными манипуляторами вроде PiPER.

Ключевые особенности

  • Мультикамерное зрение: объединяет поток с трех RGB-камер (верхней и двух на запястьях) размером 224×224 в единую панораму 224×672.
  • Точное 14-мерное управление: выдает целевые углы в радианах для 6 суставов и степень открытия захвата (до 0,08 м) для каждой из двух рук.
  • Предсказание через видео: в режиме idm модель сначала синтезирует прогноз из 9 кадров будущего состояния сцены, а затем строит траекторию движений.
  • Полный комплект для запуска: в репозиторий включены веса в формате BF16, конфигурация Hydra, статистики нормализации, контракт инференса и архив code.zip с кодом среды.

Что можно сделать

  • Развернуть на двуручном манипуляторе: интегрировать через адаптер под 14-мерный формат управления (например, для платформ PiPER) для автоматизации работы с мягкими деформируемыми объектами.
  • Изучить влияние инициализации IO reset: сравнить поведение весов с переинициализированными слоями действий против стандартного подхода fresh IDM на задаче переноса навыков.
  • Использовать как базу для дообучения: взять подготовленный пайплайн FastWAM v8 из комплекта и адаптировать его под другие бытовые манипуляции с тканью.

Пример

model = hydra.utils.instantiate(cfg.model, model_dtype=torch.bfloat16, device="cuda")
model.load_checkpoint("model.pt")
# Сначала предсказывает будущее видео, затем чанк из 32 действий
actions = model.infer_action(obs, action_infer_mode="idm", num_inference_steps=20)
ПодробнееОбучение: 100 демонстраций (99 151 кадр, 30 Гц) из датасета yuyingyinya/fold_towel, шаг 4958 из 29 748 (эпоха 1 из 6).
Железо при обучении: 4× GPU A800 (глобальный батч 20, формат BF16, DeepSpeed ZeRO-1).
Ограничения: не является standalone-моделью для from_pretrained; отдельно требуются веса VAE от Wan2.2-TI2V-5B и текстовый энкодер UMT5 от Wan2.1.
Метрики: закрытые тесты на реальном роботе не проводились, состояние оптимизатора не сохранено.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 11 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.6 GB6.7 GB
  • 4-bitвеса 3.2 GB4.0 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 5060 Ti 8GB · 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.

    # dddddsds31341/FastWAM-Fold-Towel-IOReset-Epoch-1
    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 dddddsds31341/FastWAM-Fold-Towel-IOReset-Epoch-1 --local-dir ~/models/FastWAM-Fold-Towel-IOReset-Epoch-1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FastWAM-Fold-Towel-IOReset-Epoch-1
  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 FastWAM-Fold-Towel-IOReset-Epoch-1 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

dddddsds31341/FastWAM-Fold-Towel-IOReset-Epoch-1
Автор
dddddsds31341
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