К содержимому
Робототехника

xhand-crosshand-pi05

файнтюн pi0.5 для робототехники

2 мин чтенияобновлено

Модель представляет собой набор обученных дельт (delta weights) для робототехнической архитектуры pi0.5 (на базе LeRobot), обученных на задаче манипуляции с чайником (Dexverse-GraspKettle-v0). Она объединяет три типа робототехнических рук (sharpa, shadow, wuji) в общем пространстве действий размерности 41 без использования разделения по идентификатору руки. Во время обучения визуальный модуль и эксперт действий обновлялись, в то время как языковая модель PaliGemma была заморожена. Модель пригодится исследователям и инженерам, занимающимся робототехникой и управлением роботизированными манипуляторами.

Ключевые особенности

  • Основана на базовой модели pi0.5 от LeRobot с замороженной языковой составляющей
  • Поддерживает совместное использование трех различных роботизированных рук (sharpa, shadow, wuji)
  • Распространяется в виде дельт (trainable.safetensors, 844.9 млн параметров) поверх базовой модели
  • Протестирована на 50 эпизодов для каждой руки (всего 150 запусков), достигая высоких результатов по успешности

Что можно сделать

  • Применить веса для дообучения робототехнических агентов на базе pi0.5 в симуляторах или реальных задачах манипуляции
  • Объединить дельты с базовой моделью lerobot/pi05_base по инструкции слияния для запуска политики управления
  • Использовать вспомогательные компоненты кодека пальцев и конфигурации пространств состояний для собственных роботов

Пример

from huggingface_hub import snapshot_download
d = snapshot_download("Dexverse-CSI/xhand-crosshand-pi05", allow_patterns=["pooled3hand_nohot/Z/023670/*"])
base = snapshot_download("lerobot/pi05_base")
# Скрипты слияния и запуска доступны в репозитории проекта на GitHub (code/pi05_policy_server.py)
ПодробнееБенчмарки: успешность 143/150 для конфигурации Z и 135/150 для конфигурации D (по 50 эпизодов на каждую из трех рук)
Обучено 647 тензоров (844.9 М параметров)
Требуется базовая модель lerobot/pi05_base
Лицензия: не указана (other), применяется лицензия базовой модели
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.8 GB · готовые файлы2.5 GB
  • FP8 / INT8рекомендуемвеса 0.9 GB1.5 GB
  • 4-bitвеса 0.5 GB1.1 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 2060 · BF16 — от RTX 2060

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.

    # Dexverse-CSI/xhand-crosshand-pi05
    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 Dexverse-CSI/xhand-crosshand-pi05 --local-dir ~/models/xhand-crosshand-pi05
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к xhand-crosshand-pi05
  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

lerobot/pi05_base
  1. paligemma-3b-pt-224основа семьи
  2. pi05_base
  3. xhand-crosshand-pi05

Новые посты про версии paligemma-3b-pt-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

Dexverse-CSI/xhand-crosshand-pi05
Автор
Dexverse-CSI
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии