К содержимому
Робототехника

pi05_cube2cross_v2_fp32_vlm_lr05

политика управления роботом для сортировки кубиков

2 мин чтенияобновлено

Модель предназначена для управления роботизированной рукой (ur5e_hand_e): она получает изображение с двух камер и текущее состояние суставов, а на выходе генерирует команды движения для захвата и переноса объектов. В основе лежит lerobot/pi05_base — адаптация Vision-Language-Action модели π₀.₅ (архитектура, объединяющая зрение, понимание текстовых команд и генерацию действий) на 4,14 млрд параметров, дообученная автором felsager в библиотеке LeRobot. В отличие от базовой версии, этот чекпоинт настроен на конкретную задачу выбора разноцветных кубиков по текстовой инструкции и их укладки на красный крест. Пригодится разработчикам и исследователям в области робототехники, работающим с манипуляторами Universal Robots UR5e и фреймворком LeRobot.

Ключевые особенности

  • Мультимодальный ввод: одновременно анализирует видеопоток с верхней камеры (top) и камеры на запястье (wrist) разрешением 640×480, а также вектор состояния робота размерностью 10.
  • Управление по текстовым командам: понимает естественные инструкции, различая цвета объектов (синий, зелёный, жёлтый и красный кубики).
  • Обучение на крупном датасете: дообучена на наборе felsager/vla_cubes_cross_v2, включающем 1000 эпизодов и 493 474 кадра с частотой 30 FPS.
  • Готовность к запуску: интегрирована в экосистему LeRobot (версия 0.6.2) и запускается стандартной CLI-командой lerobot-rollout.

Что можно сделать

  • Запустить на реальном роботе: развернуть политику на стенде с манипулятором ur5e_hand_e и двумя камерами для автоматического перекладывания кубиков на целевую метку.
  • Использовать как отправную точку: взять конфигурацию обучения (30 000 шагов, learning rate 5e-05) и дообучить модель на собственных записях манипуляций с другими предметами.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=ur5e_hand_e \
  --robot.port= \
  --policy.path=felsager/pi05_cube2cross_v2_fp32_vlm_lr05 \
  --task="pick up the blue cube and place it on the red cross." \
  --duration=60
ПодробнееОбучение: 30 000 шагов, batch size 8, оптимизатор AdamW, learning rate 5e-05, seed 0.
Оценка: метрики успешности выполнения на реальном роботе в карточке пока не опубликованы.
Лицензия: gemma; для работы требуется настройка портов робота и двух камер (640×480, 30 FPS).
Обсудить Telegram 0 27

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_fp32_vlm_lr05
    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_fp32_vlm_lr05 --local-dir ~/models/pi05_cube2cross_v2_fp32_vlm_lr05
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pi05_cube2cross_v2_fp32_vlm_lr05
  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_fp32_vlm_lr05

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_fp32_vlm_lr05
Автор
felsager
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии