К содержимому
Робототехника

ACT v2 (duplo-act-v2)

модель для захвата кубиков Duplo манипулятором SO-101

2 мин чтенияобновлено

Модель представляет собой политику управления роботом на базе архитектуры ACT (Action Chunking Transformer — трансформер, предсказывающий сразу последовательность будущих действий). Она обучена брать кубик Duplo из миски и подносить его к инспекционной камере для проверки. Решение создано автором IaroslavBashko на хакатоне Junction 2026 в рамках челленджа Intel Physical AI и экспортировано в формат OpenVINO IR для быстрого локального запуска. В отличие от универсальных моделей, эта версия строго заточена под конкретную аппаратную сборку с тремя камерами и манипулятором SO-101. Пригодится разработчикам в сфере робототехники, которые работают со стендами Intel Physical AI Studio.

Ключевые особенности

  • Компактный размер: около 34M параметров (137 МБ в точности FP32) в файлах act.xml и act.bin.
  • Мультимодальный вход: принимает текущие углы 6 суставов робота и RGB-потоки сразу с трёх камер (top, wrist, inspect).
  • Генерация траектории наперёд: за один проход выдаёт 100 шагов целевых позиций для 6 приводов, чего хватает на 3.3 секунды работы при частоте 30 Гц.
  • Высокая скорость инференса: расчёт одного плана на 100 шагов занимает всего 12 мс на встроенной графике ноутбука с Intel Core Ultra X9 388H.

Что можно сделать

  • Встроить в ячейку визуального контроля (Duplo Inspection Cell) для автоматической подачи деталей под инспекционную камеру.
  • Использовать как готовый референс и шаблон для запуска политик из Intel Physical AI Studio через библиотеку physicalai.inference на CPU или встроенном GPU.

Пример

from physicalai.inference import InferenceModel

model = InferenceModel("openvino", device="GPU")  # или "CPU"
chunk = model.predict_action_chunk({
    "state": state, "images.top": top,
    "images.wrist": wrist, "images.inspect": inspect
})
ПодробнееОбучение: 154 эпизода телеуправления (51 999 кадров, 30 fps), 10 эпох с батчем 64 на GPU Modal A10G (2 ч 22 мин); финальный loss — 0.134 (train) и 0.324 (validation).
Тесты на реальном роботе: 4 из 4 успешных захватов, каждый цикл занимал от 9.9 до 12.0 секунд.
Ограничения: работает только в идентичной конфигурации с таким же расположением камер, мисок и калибровкой SO-101.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.1 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 · BF16 — 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.

    # IaroslavBashko/duplo-act-v2
    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 IaroslavBashko/duplo-act-v2 --local-dir ~/models/duplo-act-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к duplo-act-v2
  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 duplo-act-v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

IaroslavBashko/duplo-act-v2
Автор
IaroslavBashko
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