К содержимому
Робототехника

act_sos101_test_50k

модель робототехники для управления манипулятором

2 мин чтенияобновлено

Эта политика управления обучена с помощью библиотеки LeRobot для реализации метода ACT (Action Chunking with Transformers — метод имитационного обучения, предсказывающий короткие последовательности действий вместо отдельных шагов). Модель управляет роботом-манипулятором типа so_follower на основе визуальных данных с фронтальной камеры и текущего состояния суставов. Она обучена на задаче перемещения красного мяча в черную корзину по демонстрационным записям телеоперации. Полезно исследователям и инженерам, работающим с доступным робототехническим железом на базе LeRobot.

Ключевые особенности

  • Совместимость с железом: модель разработана для роботов типа so_follower.
  • Визуальный ввод: использует данные с фронтальной камеры с разрешением 480x640.
  • Метод ACT: прогнозирует пачки действий для плавного и точного выполнения задач.
  • Специализация: обучена на задаче захвата и перемещения красного мяча в черную корзину.

Что можно сделать

  • Запуск на роботе: применить готовую политику для управления совместимым роботом-манипулятором в реальном времени.
  • Дообучение: использовать датасет из 52 эпизодов для тренировки или кастомизации собственных политик управления.
  • Анализ данных: исследовать датасет через визуализатор LeRobot для изучения траекторий движений.

Пример

Запуск готовой политики управления на вашем роботе:

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=googaar/act_sos101_test_50k \
  --task="Put red ball in black basket" \
  --duration=60
ПодробнееЧисло параметров: 0.05 млрд
Обучение: 50 000 шагов, батч 8, оптимизатор adamw, learning rate 1e-05
Датасет: 52 эпизода, 29 867 фреймов при 30 FPS
Обсудить Telegram 0 14

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.2 GB · готовые файлы0.7 GB
  • BF16веса 0.1 GB0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # googaar/act_sos101_test_50k
    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 googaar/act_sos101_test_50k --local-dir ~/models/act_sos101_test_50k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_sos101_test_50k
  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 act_sos101_test_50k — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

googaar/act_sos101_test_50k
Автор
googaar
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

140

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

HINT-WAM

HINT-WAM
Робототехника

WeaveMem YAM 10K

WeaveMem YAM 10K