К содержимому
Робототехника

LLM-driven robot policy learning

компактная политика управления роботом

2 мин чтенияобновлено

Небольшая нейросетевая политика (policy — модель принятия решений для управления роботом) для задач манипуляции, созданная в рамках исследовательского прототипа проекта RaccoonBot от Yonghyun Yu. Модель получает на вход историю наблюдений и предыдущие команды, а на выходе выдает логиты четырех действий (движение, открытие, закрытие, завершение) и целевые углы для четырех суставов в градусах. Это кастомный PyTorch-чекпоинт весом всего в 41 тысячу параметров, предназначенный для локальной проверки и исследований, а не готовый контроллер для физического оборудования.

Ключевые особенности

  • Ультракомпактный размер: модель содержит всего 41 059 параметров и реализована как кастомный артефакт PyTorch (selected_policy.pt), а не тяжелый пайплайн Transformers.
  • Структурированный вход и выход: принимает историю наблюдений размерностью 8 × 82 вместе с маской валидности и предыдущими командами, возвращая 4 логита действий и 4 целевых угла суставов.
  • Минимальный оффлайн-загрузчик: в комплекте идет архив offline_loader.zip с функцией load_student_checkpoint и скриптом для проверки работоспособности на CPU.
  • Исследовательская концепция: артефакт является частью проекта по созданию цикла обучения роботов с использованием данных поведения, сгенерированных LLM, и обратной связи от человека.

Что можно сделать

  • Проверить корректность загрузки весов и прогнать синтетический инференс на CPU с помощью встроенного smoke-теста.
  • Изучить архитектуру и формат terra-native-source-distance-close-evidence.v1 в связке с исходным кодом и статьей из связанного GitHub-репозитория.
  • Использовать чекпоинт как референс для разработки собственных легковесных политик манипуляции в симуляторах с соблюдением необходимых мер безопасности.

Пример

# Скачайте selected_policy.pt и offline_loader.zip в одну папку, распакуйте архив и запустите:
python offline_smoke.py
Подробнее Параметры: 41 059 (SHA-256 чекпоинта указан в карточке).
Проверка: протестировано на CPU в Python 3.14.3 и PyTorch 2.11.0+cu130 (пройдены 102 валидных и 4 невалидных тестовых случая при рефакторинге загрузчика).
Ограничения: не является сертифицированным контроллером для реального железа, требует контроля человека и аппаратной защиты.
Лицензия: не выбрана автором (перед коммерческим использованием или распространением необходимо связаться с разработчиком).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 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 · 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.

    # DreamingLizard/llm-driven-robot-policy-learning
    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 DreamingLizard/llm-driven-robot-policy-learning --local-dir ~/models/llm-driven-robot-policy-learning
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к llm-driven-robot-policy-learning
  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 llm-driven-robot-policy-learning — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DreamingLizard/llm-driven-robot-policy-learning
Автор
DreamingLizard
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