К содержимому
Робототехника

act_so101_saronic_wristcam_25_eps

политика управления роботом для перекладывания предметов

2 мин чтенияобновлено

Модель представляет собой политику имитационного обучения (обучения на демонстрациях оператора) на базе архитектуры ACT (Action Chunking with Transformers — метод предсказания сразу коротких последовательностей действий вместо одиночных шагов). Она создана автором drdonv с помощью фреймворка LeRobot и предназначена для манипулятора типа so_follower с шестью степенями свободы. На вход нейросеть получает текущее состояние приводов и видеопоток сразу с двух камер (верхней и установленной на запястье), а на выходе формирует вектор управляющих действий для захвата объекта и его переноса в целевую зону. Решение пригодится разработчикам и энтузиастам робототехники, работающим с совместимыми манипуляторами на базе LeRobot.

Ключевые особенности

  • Поддержка двух ракурсов: модель одновременно анализирует изображения с верхней камеры (top) и камеры на запястье (wrist) в разрешении 640×480.
  • Целевая задача: политика обучена выполнять конкретный сценарий — «взять объект и поместить его в целевую зону».
  • Компактный размер: вес модели составляет около 0.05B параметров, что делает её лёгкой для развёртывания на локальном оборудовании робота.
  • Интеграция с LeRobot: полностью совместима со стандартными инструментами запуска lerobot-rollout (версия библиотеки 0.6.1).

Что можно сделать

  • Запустить автономное выполнение задачи перекладывания предметов на физическом манипуляторе so_follower с двумя подключёнными камерами.
  • Использовать чекпоинт как отправную точку или референс при сборке собственных датасетов телеуправления и дообучении политик ACT в среде LeRobot.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ top: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=drdonv/act_so101_saronic_wristcam_25_eps \
  --task="Pick up the object and place it in the target zone" \
  --duration=60
ПодробнееОбучение: 40 000 шагов (batch size 8, оптимизатор adamw, learning rate 1e-05) на датасете drdonv/so101_saronic_wristcam_25_eps (25 эпизодов, 8454 кадра при 30 FPS).
Метрики оценки: результаты тестирования на реальном роботе в карточке пока не опубликованы.
Лицензия: Apache-2.0.
Обсудить Telegram 0 25

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.2 GB · готовые файлы0.7 GB
  • BF16веса 0.1 GB0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # drdonv/act_so101_saronic_wristcam_25_eps
    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 drdonv/act_so101_saronic_wristcam_25_eps --local-dir ~/models/act_so101_saronic_wristcam_25_eps
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_so101_saronic_wristcam_25_eps
  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 act_so101_saronic_wristcam_25_eps — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

drdonv/act_so101_saronic_wristcam_25_eps
Автор
drdonv
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

ExoWrist_Smolvla

ExoWrist_Smolvla
Робототехника

CloudEdgeVLA

CloudEdgeVLA