К содержимому
Робототехника

dobei/smolvla_so101_pickplace_v2

файнтюн для робототехники

1 мин чтения

Эта модель представляет собой специализированную политику управления (policy) для роборуки типа so_follower, обученную на задачу захвата и перемещения предметов (pick and place). В основе лежит компактная модель SmolVLA (эффективная визуально-языково-действенная архитектура), работающая через библиотеку LeRobot. Набор обучен на демонстрациях с тремя камерами наблюдения и системным состоянием манипулятора. Решение пригодится исследователям и инженерам, занимающимся робототехникой на доступном железе.

Ключевые особенности

  • База SmolVLA: компактная и эффективная визуально-языково-действенная модель с открытым исходным кодом.
  • Множественные камеры: поддержка трех основных визуальных потоков и дополнительных данных состояния.
  • Интеграция с LeRobot: полная совместимость с экосистемой Hugging Face для управления роботами.
  • Специфичная задача: обучено на демонстрациях захвата и перемещения предметов.

Что можно сделать

  • Запустить на роборуке: применить готовую политику для автоматизации процесса pick and place на совместимом железе.
  • Дообучить модель: использовать собранный датасет и базовую модель для кастомизации под собственные задачи манипулятора.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}, : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=dobei/smolvla_so101_pickplace_v2 \
  --task="pick and place" \
  --duration=60
ПодробнееЛицензия: apache-2.0
Датасет: dobe/so101_red_cube_blue_box_2_20261117_161737 (25 эпизодов, 11286 кадров при 30 FPS)
Параметры обучения: 10 шагов, batch size 16, оптимизатор adamw, learning rate 0.0001
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.7 GB · готовые файлы2.3 GB
  • BF16веса 0.8 GB1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 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 2060 · F32 — 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.

    # dobei/smolvla_so101_pickplace_v2
    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 dobei/smolvla_so101_pickplace_v2 --local-dir ~/models/smolvla_so101_pickplace_v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к smolvla_so101_pickplace_v2
  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/smolvla_base
  1. SmolLM2-360Mоснова семьи
  2. SmolLM2-360M-Instruct
  3. SmolVLM-500M-Instruct
  4. SmolVLM2-500M-Video-Instruct
  5. smolvla_base
  6. smolvla_so101_pickplace_v2

Новые посты про версии SmolLM2-360M — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

dobei/smolvla_so101_pickplace_v2
Автор
dobei
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

act_contaminado_v3

act_contaminado_v3