К содержимому
Робототехника

Long-WAM Sorting Dolls

чекпоинт для сортировки матрёшек

1 мин чтения

Это evaluation-веса для задачи sorting dolls, обученные от Efficient-Large-Model/Long-WAM-YAM и сохранённые на шаге оптимизатора 20 000. Датасет — 100 демонстраций и 168 126 кадров; обучение шло на четырёх A100. Робот должен расставить пять русских матрёшек по росту слева направо.

Ключевые особенности

  • 14D absolute joint/gripper targets: по 6 суставов + gripper на каждую руку.
  • Камеры top_head, hand_left и hand_right; обработанный кадр 384×320.
  • P48 history и 32-step action chunk для управления.
  • Нормализация z-score по статистике конкретного запуска, без clipping.
  • В комплекте model.pt, config.yaml, dataset_stats.json, requirements-sip.txt и code.zip.

Пример

Инструкция для политики: “Arrange the five Russian dolls upright in a row from smallest to largest, from left to right.” На вход подаются кадры с трёх камер и 14D-цели; на выходе — абсолютные команды суставам и gripper в исходных единицах.

ПодробнееБенчмарки и success rate не заявлены. Нужны отдельные Wan2.2 VAE, UMT5 text encoder и tokenizer.
Чекпоинт не содержит полного состояния для возобновления обучения.
Обучение: global batch 48, LR 1e-5, AdamW, weight decay 0.01, BF16 / ZeRO-1, seed 42.
Лицензия базовой модели — по ссылке в карточке.
Обсудить Telegram 0 18

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/Long-WAM-Sorting-Dolls-30k-Step-20000
    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/Long-WAM-Sorting-Dolls-30k-Step-20000 --local-dir ~/models/Long-WAM-Sorting-Dolls-30k-Step-20000
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Long-WAM-Sorting-Dolls-30k-Step-20000
  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

Дообучение модели

Efficient-Large-Model/Long-WAM-YAM

Новые посты про версии Long-WAM-YAM — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face

О модели

dddddsds31341/Long-WAM-Sorting-Dolls-30k-Step-20000
Автор
dddddsds31341
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

SmolVLA

SmolVLA