GoedelMachines/go2-world-models
чекпоинты для прогнозирования движений четвероногих роботов
2 мин чтения
Коллекция из 25 чекпоинтов в формате FP32 для прогнозирования будущих показаний датчиков и суставов робота Unitree Go2 на 30 шагов вперед при частоте 50 Гц. Модели работают как открытые циклы прогнозирования движения, используя историю измерений и целевые положения суставов. Корневые веса требуют сканирования местности, в то время как адаптированные модели из папки proprio обходятся без данных сканирования. Набор полезен инженерам и исследователям, занимающимся робототехникой и симуляцией движения четвероногих платформ.
Ключевые особенности
- 25 FP32-чекпоинтов для прогнозирования состояния робота Unitree Go2 с частотой 50 Гц
- Корневые модели с параметрами около 120 млн и поддержкой сканирования местности
- Адаптированная флагманская модель с 119.6 млн параметров для работы без сканов
- Наличие конфигураций, манифестов и эквивалентных экспортов в формате SafeTensors
Что можно сделать
- Применить модели для прогнозирования траекторий и состояний суставов робота Unitree Go2
- Протестировать симуляции движения на основе измеренной истории и целевых суставов
- Исследовать точность прогнозов на плоском грунте и реальных записях SDK робота
Пример
Используйте файлы манифеста и конфигурации из репозитория вместе с компаньоном-проектом для загрузки весов и запуска примеров.
Подробнее
Бенчмарки: сканированная модель набирает 0.364 нормированной ошибки конечной точки за 3 секунды; адаптированная — 0.613 за 1 с и 1.009 за 3 с.Требования: PyTorch и SafeTensors для загрузки весов.
Ограничения: позиции, линейная скорость и контакты ног не входят в выходной интерфейс.










Комментарии