К содержимому
Робототехника

SANA-Robot-AR-RoboDojo

эффективная модель управления роботами с гибридной памятью

1 мин чтения

SANA-Robot-AR — это модель мировой динамики и действий (world action model), созданная Efficient-Large-Model для робототехники. Она принимает текущие мультиракурсные наблюдения с камер, проприоцепцию (данные о положении частей тела робота) и языковую инструкцию, после чего предсказывает чанк из 32 управляющих шагов и будущее видео. Модель использует гибридную память (сочетание механизма softmax attention и слоев Gated DeltaNet), благодаря чему стоимость запроса не растет с длиной эпизода. Данный чекпоинт дообучен на бенчмарке RoboDojo для двуручного робота ARX-X5.

Ключевые особенности

  • Гибридная память: обрабатывает историю эпизода без роста вычислительной сложности со временем.
  • Управление роботом: выдает чанк из 32 шагов управления для двух рук робота ARX-X5.
  • Мультиракурсность: использует кадры с головной и двух запястных камер.
  • Сильные результаты: достигает среднего балла успешности 27.09% на официальном лидерборде RoboDojo.

Что можно сделать

  • Тестирование в симуляторе: запустить модель для оценки политик управления манипулятором в среде RoboDojo.
  • Исследования робототехники: изучить применение моделей мировой динамики для задач манипуляции.
  • Дообучение: использовать чекпоинт для адаптации под новые задачи и робототехнические установки.

Пример

Скачивание весов модели для дальнейшего использования в коде:

hf download Efficient-Large-Model/SANA-Robot-AR-RoboDojo --local-dir checkpoints/sana_robot_ar_robodojo
ПодробнееПолитика: SANA-Robot-AR, 4.5B параметров.
Текст-энкодер: Gemma 2 2B (не входит в комплект).
Видео VAE: LTX-2.3 VAE (не входит в комплект).
Лицензия: Apache 2.0.
Обсудить Telegram 0 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.3 GB9.7 GB
  • 4-bitвеса 4.7 GB5.7 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 3080 · BF16 — от RTX 4090

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.

    # Efficient-Large-Model/SANA-Robot-AR-RoboDojo
    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 Efficient-Large-Model/SANA-Robot-AR-RoboDojo --local-dir ~/models/SANA-Robot-AR-RoboDojo
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к SANA-Robot-AR-RoboDojo
  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 SANA-Robot-AR-RoboDojo — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Efficient-Large-Model/SANA-Robot-AR-RoboDojo
Автор
Efficient-Large-Model
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

SANA-RWM

SANA-RWM