К содержимому
Робототехника

pi05-icl3000-demo

управление роботом по видеодемонстрации

2 мин чтенияобновлено

Чекпоинт для робототехнических систем, который обучает манипулятор повторять действия на основе одного демонстрационного видео сверху без текстового описания задачи и без записи координат движений из примера. Модель построена на базе pi05_base от OpenPI с добавлением новых Demo-модулей и LoRA-адаптеров (небольших обучаемых надстроек над замороженными слоями). На вход подаются демонстрационный ролик (5 Гц), текущий кадр камеры и текущее состояние кисти (world-hand10), а на выходе система генерирует 50 команд управления с частотой 50 Гц. Решение пригодится исследователям и разработчикам в области робототехники (in-context learning для манипуляторов).

Ключевые особенности

  • Работает только по визуальному примеру (RGB-видео сверху) и текущему состоянию кисти — текстовый промпт и траектория действий из демо не нужны.
  • Основана на pi05_base: веса SigLIP и основного трансформера заморожены, через LoRA дообучены проекции внимания и MLP, а также новые Demo-модули и проекции действий.
  • Генерирует последовательность из 50 команд формата hand10 на частоте 50 Гц для плавного выполнения задачи.
  • Сохраняет дискретные токены состояния pi05 и нормализацию adaRMSNorm с привязкой ко времени.

Что можно сделать

  • Протестировать визуальное обучение с подкреплением из контекста (in-context learning) на задачах манипуляции кистью hand10 в рамках датасета RoboICL3000.
  • Использовать как отправную точку для экспериментов с имитационным обучением роботов без разметки траекторий в демонстрационных роликах.

Пример

Сценарий работы из карточки: на вход подаётся независимое RGB-видео демонстрации (частота 5 Гц), текущий кадр камеры сверху и измеренное состояние world-hand10; модель без текстовых инструкций выдаёт 50 управляющих команд hand10 (частота 50 Гц).

ПодробнееОбучение: датасет RoboICL3000 (разбиение A+B), 1 полная эпоха (epoch-001, 1205 шагов оптимизатора).
В комплекте: веса LoRA и обучаемых модулей, токенизатор, конфиги нормализации и инференса, слепок исходного кода.
Ограничения: для запуска требуется оригинальная базовая модель pi05_base; метрики успешности выполнения задач в карточке не приведены.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # gulucaptain/pi05-icl3000-demo
    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 gulucaptain/pi05-icl3000-demo --local-dir ~/models/pi05-icl3000-demo
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pi05-icl3000-demo
  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 pi05-icl3000-demo — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

gulucaptain/pi05-icl3000-demo
Автор
gulucaptain
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

phiba/act_dice

phiba/act_dice