К содержимому
Робототехника

pi05-so101-cvpr2027-realworld-general-fullft-30k-step30000

управление роборукой SO-101

2 мин чтенияобновлено

Полный файнтюн VLA-модели (Vision-Language-Action — нейросеть, связывающая зрение, текстовые команды и моторику) на базе lerobot/pi05_base размером 3.62B параметров для манипулятора SO-101. На вход модель принимает картинки с двух RGB-камер и 6 текущих координат суставов/захвата, а на выходе генерирует последовательность из 50 целевых положений приводов для выполнения текстовой инструкции. Чекпоинт обучен на 120 реальных демонстрациях для трёх базовых задач: перекладывание предметов, толкание кубика и постановка кубика на кубик. В репозиторий сразу включены веса в FP32, токенизатор, процессоры нормализации и код загрузки, поэтому база отдельно не требуется.

Ключевые особенности

  • Полное дообучение (full fine-tuning) всех параметров VLM (визуально-языковой модели) и модуля генерации действий от lerobot/pi05_base.
  • Работает с двумя видеопотоками (top и front в разрешении 224×224) и 6 степенями свободы манипулятора.
  • Предсказывает траекторию длиной 50 шагов (горизонт выполнения 10 шагов) за 10 шагов денойзинга.
  • Полностью автономный пакет: внутри лежат веса FP32, токенизатор, настройки нормализации и скрипт experiment_code/load_export.py.

Что можно сделать

  • Запустить на реальном манипуляторе SO-101 (при совпадении калибровки и единиц измерения) для отработки перекладывания куклы в коробку, толкания кубика в чёрную зону и установки деревянного кубика на кубик Рубика.
  • Использовать чекпоинт как готовую отправную точку в фреймворке LeRobot для дальнейшего дообучения на собственных эпизодах или сравнения с промежуточным шагом step15000.

Пример

Модель принимает текстовую инструкцию, изображения с верхней и фронтальной камер и 6 значений углов/схвата, возвращая траекторию из 50 шагов. Примеры команд из обучающего набора:
— Pick up the doll and place it in the box.
— Push the cube onto the black zone.
— Pick up the wooden cube and place it on the Rubik's cube.

ПодробнееДанные обучения: 120 эпизодов (37 435 кадров) по 40 демо на каждую из 3 задач; 30 демо отложены для проверки и в обучении не участвовали.
Параметры обучения: 30 000 шагов (косинусное расписание lr с 2.5e-5 до 2.5e-6, warmup 1000, batch 8, AdamW, bf16 autocast, сохранение весов в FP32).
Ограничения: метрики успешности на реальном роботе автором не заявлены; состояние оптимизатора не включено; вход front маппится в слот left_wrist_0_rgb.
Обсудить Telegram 0 18

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 13 GB · готовые файлы15 GB
  • BF16веса 6.7 GB7.9 GB
  • FP8 / INT8рекомендуемвеса 3.4 GB4.2 GB
  • 4-bitвеса 1.9 GB2.6 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 5080

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.

    # ImKyungjin/pi05-so101-cvpr2027-realworld-general-fullft-30k-step30000
    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 ImKyungjin/pi05-so101-cvpr2027-realworld-general-fullft-30k-step30000 --local-dir ~/models/pi05-so101-cvpr2027-realworld-general-fullft-30k-step30000
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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-so101-cvpr2027-realworld-general-fullft-30k-step30000 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ImKyungjin/pi05-so101-cvpr2027-realworld-general-fullft-30k-step30000
Автор
ImKyungjin
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

PLWM

PLWM