К содержимому
Робототехника

abc-dit-lego-three-all-ft

файнтюн робототехнической модели для сортировки Lego

2 мин чтенияобновлено

Модель представляет собой файнтюн (дообучение) базового чекпоинта ABC-DiT XL 200k, разработанный пользователем edisonz2103 для задач робототехники. Она обучена на 92 симуляционных эпизодах сортировки блоков Lego (задача lego_blocks_sorting, промпт "lego blocks sorting") из датасета abc-agent-lego. На вход система принимает видеопоток с трёх камер (верхней, левой и правой) и текущие состояния 14 суставов робота, а на выходе предсказывает 14 управляющих команд для приводов. В отличие от предыдущего тестового прогона на 20 эпизодах, этот релиз объединяет все четыре сгенерированных набора данных, что даёт более стабильное снижение ошибки на валидации. Пригодится исследователям и разработчикам в области робототехники, работающим с архитектурой ABC-DiT и имитационным обучением в симуляторах.

Ключевые особенности

  • Объединённый датасет: обучение прошло на 101 865 рабочих кадрах из наборов lego_three_fixed, lego_three_gen20, lego_three_gen30 и lego_three_gen50.
  • Трёхкамерный ввод: работает со склеенным видеопотоком разрешением 224×504 пикселей с частотой 30 Гц и вектором из 14 измеренных и 14 целевых положений суставов.
  • Готовые чекпоинты и логи: в репозитории доступны веса каждые 1000 шагов (около 8 ГБ каждый), полный чекпоинт с состоянием оптимизатора (24 ГБ), кривые обучения и SLURM-скрипт.
  • Потенциал для дообучения: ошибка на валидации (val_loss) плавно снижалась до самого 4000-го шага, поэтому модель ещё не переобучилась и подходит для дальнейшего обучения.

Что можно сделать

  • Запустить инференс и протестировать качество сортировки блоков Lego в симуляционной среде репозитория edisonzhu2006/abc.
  • Продолжить обучение с 4000-го шага с помощью полного чекпоинта abc_dit_lego_three_all_4000_full.pt и флага --resume-from.
  • Использовать весовые чекпоинты (abc_dit_lego_three_all_4000.pt) как отправную точку для дообучения на других задачах манипуляции с объектами через abc_minimal.dit.load_pretrained.

Пример

uv run train.py --load-pretrained --pretrained-ckpt-name abc_dit_lego_three_all_4000.pt \
  --mixture-preset sim_task --train-steps 4000 --batch-size 90
ПодробнееМетрики на финальном 4000-м шаге: train loss — 0.0348, val_loss — 0.0518, val_recon_error — 0.1237.
Железо и время: обучение заняло 50 минут 46 секунд на одной видеокарте NVIDIA A100-SXM4-80GB (пиковое потребление VRAM — 63.6 GiB).
Детали обучения: 4000 шагов (~3.4 эпохи), batch size 90, оптимизатор AdamW (lr 1e-4 с линейным прогревом 1000 шагов), статистика нормализации унаследована от базовой модели.
Ограничения и лицензия: оценка модели непосредственно в симуляторе автором пока не проводилась; веса наследуют лицензию Apache-2.0 от ABC-DiT XL 200k с учётом ограничений визуального энкодера DINOv3.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.5 GB · готовые файлы8.8 GB
  • FP8 / INT8рекомендуемвеса 3.8 GB4.6 GB
  • 4-bitвеса 2.1 GB2.8 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 · BF16 — от RTX 3080

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.

    # edisonz2103/abc-dit-lego-three-all-ft
    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 edisonz2103/abc-dit-lego-three-all-ft --local-dir ~/models/abc-dit-lego-three-all-ft
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к abc-dit-lego-three-all-ft
  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 abc-dit-lego-three-all-ft — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

edisonz2103/abc-dit-lego-three-all-ft
Автор
edisonz2103
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

groot_rebot6

groot_rebot6