К содержимому
Робототехника

SWAM

масштабируемая модель мировых действий для робототехники

1 мин чтенияобновлено

SWAM (Scaling World Action Models with Cross-Modal Alignment) — это семейство чекпоинтов для задач робототехники и управления действиями, использующее кросс-модальное выравнивание. Репозиторий содержит предобученные веса, а также версии, дообученные на данных RoboTwin. Модель помогает связывать визуальное восприятие мира с управляющими действиями робота и опирается на компоненты Wan и UMT5. Чекпоинты подойдут исследователям и инженерам, занимающимся робототехникой и симуляцией среды.

Ключевые особенности

  • Кросс-модальное выравнивание: эффективная увязка визуальных данных и действий робота.
  • Два варианта чекпоинтов: доступны предобученные веса и версия, дообученная на симуляционных данных RoboTwin Clean.
  • Формат SafeTensors: веса разделены на шарды (sharded Safetensors), каждый чекпоинт весит около 27.98 ГБ.
  • Открытая экосистема: полная интеграция с наборами данных и исходным кодом проекта.

Что можно сделать

  • Запуск симуляций: использовать чекпоинты для оценки и обучения робототехнических агентов в среде RoboTwin.
  • Дообучение моделей: применить предобученные веса SWAM для собственных робототехнических задач и адаптации под конкретное железо.

Пример

Скачивание предобученного чекпоинта SWAM через командную строку:

pip install -U huggingface_hub
hf download FreDERicia/SWAM --include "pretrain/*" --local-dir ./SWAM
ПодробнееРазмер чекпоинтов: ~27.98 ГБ каждый
Формат файлов: Sharded Safetensors
Архитектура: Требует предварительной подготовки компонентов Wan и UMT5
Батарейка бенчмарков: RoboTwin Clean benchmark
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 26 GB · готовые файлы29 GB
  • FP8 / INT8рекомендуемвеса 13 GB15 GB
  • 4-bitвеса 7.3 GB8.6 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 5080 · BF16 — от RTX 5090

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.

    # FreDERicia/SWAM
    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 FreDERicia/SWAM --local-dir ~/models/SWAM
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к SWAM
  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 SWAM — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

FreDERicia/SWAM
Автор
FreDERicia
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

lewam_jepa_pusht

lewam_jepa_pusht