pi05-agilex3-2bit
2-bit квантованная версия π0.5 для манипулятора AgileX Piper
2 мин чтенияобновлено
Модель pi05-agilex3-2bit от автора ForeverBlue представляет собой 2-bit квантованную (сжатую по точности весов) версию модели agilex3_pi05 (полнопараметрический файнтюн π0.5 на трёх задачах манипуляции, шаг 5999 EMA) на базе библиотеки openpi. Она предназначена для тестирования на реальном роботе AgileX Piper и сравнения точности с полноточным вариантом: интерфейсы ввода-вывода, команды и частота управления 10 Hz полностью идентичны оригиналу. Квантование выполнено только методом калибровки (на 256 наблюдениях из демонстраций с аугментациями освещения и обрезки) без дополнительного дообучения, а сами веса сохранены в распакованном виде в стандартный формат PyTorch (model.safetensors), чтобы запускаться в штатном окружении openpi без правки кода.
Ключевые особенности
- Агрессивное 2-bit квантование: все 414 линейных слоёв в визуальном энкодере, языковой модели и модуле действий (2,7 млрд параметров) сжаты в среднем до 2,016 бита на вес, а таблица эмбеддингов переведена в INT8.
- Полная совместимость с openpi: модель использует те же статистики нормализации
norm_stats.jsonи подключается к существующим скриптамagilex3_pi05.pyпростой сменой пути в параметре--checkpoint. - Близость к оригиналу: отклонение предсказаний 2-bit версии от полноточной модели всего в 1,2 раза превышает естественный разброс самого оригинала при смене начального шума.
- Два режима интеграции: поддерживается как прямой вызов политики из Python-кода робота, так и запуск через локальный policy server по сети.
Что можно сделать
- Провести A/B-тесты на реальном AgileX Piper: поочерёдно запускать полноточную и 2-bit модели на трёх задачах (
cluster_grasp,cabinet_lemon,circle) при одинаковой расстановке объектов для оценки реального процента успеха. - Собрать данные для следующей калибровки: записать потоки с двух камер, состояния и команды во время работы 2-bit модели, чтобы использовать их для улучшения последующих версий квантования.
Пример
import os; os.environ.setdefault("JAX_PLATFORMS", "cpu")
import sys; sys.path.insert(0, "/path/to/agilex3_pi05")
from agilex3_pi05 import AgileXPi05Policy
policy = AgileXPi05Policy(checkpoint="/path/to/pi05-agilex3-2bit/checkpoint")
actions = policy.predict(fixed, wrist, state, instruction) # (10, 7)
Подробнее
Офлайн-тесты (256 отложенных наблюдений): средняя ошибка суставов выросла с 0,0168 rad у полноточной модели до 0,0237 rad (17% от ошибки неподвижного состояния), ошибка захвата — с 2,31 мм до 3,16 мм, максимальное отклонение на шаг — 0,217 rad.Размер файла
model.safetensors составляет 14,5 ГБ (распакованные веса для совместимости с PyTorch; реальный объём 2-bit слоёв — 0,68 ГБ против 5,41 ГБ в BF16, но специализированный рантайм в репозиторий не входит).Перед запуском требуется применить патч
transformers_replace для transformers 4.53.2 и задать JAX_PLATFORMS=cpu.Первый вызов
predict запускает компиляцию torch.compile (около 472 секунд на RTX 6000 Ada), после чего медианное время инференса составляет 0,067 с.









Комментарии