К содержимому
Другое

AutoDiagnose-weights

набор весов для диагностики и поиска слабых мест автопилотов

2 мин чтенияобновлено

Репозиторий содержит готовые веса для фреймворка AutoDiagnose, который помогает тестировать модели беспилотного вождения и находить сложные сценарии, где они ошибаются. Внутри собраны как сами модели планирования движения (Pluto 1M, CaRL 1B, Diffusion Planner), так и инструменты для их анализа: разреженные автоэнкодеры SAE (нейросети для интерпретации внутренних признаков), TabPFN v2 для предсказания поведения на сценариях, а также языковые и визуальные модели на базе Qwen для отчётов и проверки видеозаписей. Подборка пригодится исследователям и разработчикам систем автономного вождения для замкнутого тестирования и разбора сбоев.

Ключевые особенности

  • Базовые планировщики: в комплекте идут чекпоинты Pluto 1M, CaRL 1B и Diffusion Planner для оценки работы автопилота в замкнутом цикле (closed-loop).
  • Интерпретация через SAE: по 9 обученных словарей разреженных автоэнкодеров и по 20 конфигураций вмешательства в признаки для моделей Pluto и CaRL.
  • Отчёты и визуальный анализ: включены чекпоинты Qwen3.5-4B для генерации диагностических отчётов и Qwen-Drive-1.0-4B для повторной проверки кадров воспроизведения.
  • Прогнозирование сценариев: добавлены веса TabPFN v2 (классификатор и регрессор) для предсказания успешности прохождения дорожных ситуаций.

Что можно сделать

  • Провести стресс-тестирование планировщиков Pluto 1M и CaRL 1B, отключая (обнуляя) конкретные внутренние признаки по готовым конфигурациям.
  • Настроить автоматический разбор ошибок автопилота с визуальной проверкой кадров через Qwen-Drive-1.0-4B и текстовой сводкой от Qwen3.5-4B.
  • Оценить вероятность сбоев на новых дорожных сценариях с помощью моделей классификации и регрессии на базе TabPFN v2.

Пример

В карточке указаны CLI-флаги для подключения весов при запуске фреймворка AutoDiagnose:

--classifier-checkpoint tabpfn/classifier \
--regressor-checkpoint tabpfn/regressor \
--qwen-checkpoint qwen/Qwen3.5-4B \
--vision-checkpoint qwen/Qwen-Drive-1.0-4B \
--visual-item ... --visual-image ...
ПодробнееВ состав входят архив autodiagnose-sae-dictionaries.zip (по 9 SAE и 20 конфигов на Pluto и CaRL), pluto_1M_aux_cil.ckpt, model_best.pth (CaRL 1B), Diffusion Planner (model.pth + args.json), TabPFN v2, Qwen3.5-4B и Qwen-Drive-1.0-4B.
В репозитории приложены файл контрольных сумм SHA256SUMS и манифест источников weights-manifest.json.
Требования к VRAM и подробные бенчмарки в карточке не указаны.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.7 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.3 GB5.3 GB
  • 4-bitвеса 2.4 GB3.2 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 · BF16 — от RTX 2080 Ti

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.

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

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

О модели

GALLERVICH/AutoDiagnose-weights
Автор
GALLERVICH
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии