К содержимому
Робототехника

pi05_cube2cross_v2_all_trtc_s1

политика для управления роботом UR5e

2 мин чтенияобновлено

Модель представляет собой обученную политику (алгоритм управления действиями робота) для манипулятора ur5e_hand_e, которая берет разноцветные кубики и ставит их на красный крест по текстовой команде. В основе лежит π₀.₅ (lerobot/pi05_base, 4.14B параметров) — VLA-модель (Vision-Language-Action, нейросеть, объединяющая зрение, язык и моторные действия) от Physical Intelligence, адаптированная под фреймворк LeRobot. На вход система получает текущее состояние робота и изображения с двух камер, а на выходе генерирует вектор из 10 координат для следующего действия. Разработка пригодится инженерам-робототехникам и исследователям для экспериментов с визуально-языковым управлением и дообучения собственных сценариев манипуляции.

Ключевые особенности

  • Мультимодальный вход: анализирует вектор состояния робота (10,) и видеопоток 640×480 с двух камер (top и wrist).
  • Управление по тексту: поддерживает четыре команды для выбора нужного объекта — синего, зеленого, желтого или красного кубика.
  • База π₀.₅: построена на архитектуре от Physical Intelligence, созданной для обобщения навыков в новых условиях.
  • Интеграция с LeRobot: готова к запуску через стандартную утилиту lerobot-rollout версии 0.6.2.

Что можно сделать

  • Запустить готовую политику на реальном манипуляторе ur5e_hand_e с двумя камерами для сортировки и переноса цветных кубиков по текстовым инструкциям.
  • Использовать веса и конфигурацию как отправную точку для дообучения на собственном датасете в LeRobot под похожие задачи захвата и перемещения предметов.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=ur5e_hand_e \
  --robot.port= \
  --robot.cameras="{ top: {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=felsager/pi05_cube2cross_v2_all_trtc_s1 \
  --task="pick up the blue cube and place it on the red cross."
ПодробнееОбучена на датасете felsager/vla_cubes_cross_v2: 1000 эпизодов, 493 474 кадра при 30 FPS.
Параметры обучения: 30 000 шагов, batch size 16, оптимизатор AdamW, learning rate 5e-05, seed 1.
Результаты оценки точности на реальном роботе автором пока не опубликованы.
Обсудить Telegram 0 23

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 15 GB · готовые файлы17 GB
  • BF16веса 7.7 GB9.0 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 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 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.

    # felsager/pi05_cube2cross_v2_all_trtc_s1
    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 felsager/pi05_cube2cross_v2_all_trtc_s1 --local-dir ~/models/pi05_cube2cross_v2_all_trtc_s1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pi05_cube2cross_v2_all_trtc_s1
  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/pi05_base
  1. paligemma-3b-pt-224основа семьи
  2. pi05_base
  3. pi05_cube2cross_v2_all_trtc_s1

Новые посты про версии paligemma-3b-pt-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

felsager/pi05_cube2cross_v2_all_trtc_s1
Автор
felsager
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии