К содержимому
Робототехника

boost-bc-flow-policies

политики поведения на базе flow-matching для робототехники

2 мин чтенияобновлено

Этот репозиторий представляет собой набор фиксированных базовых моделей (behavior-cloning policies) с разным уровнем успешности (от 10% до 90%), обученных методом сопоставления потоков (flow-matching) для различных робототехнических симуляций. Модели охватывают задачи манипуляции с кубиками в MimicGen, подвешивания инструментов в robosuite, сборки мебели в FurnitureBench и манипуляции с ручкой в Adroit Pen. Они созданы в качестве стабильных стартовых точек для последующего дообучения с помощью методов обучения с подкреплением (RL fine-tuning). Модели будут полезны исследователям и инженерам, занимающимся робототехникой и симуляцией манипуляторов.

Ключевые особенности

  • Готовые чекпоинты с градацией успешности (10, 25, 50, 75, 90%) для пяти сложных робототехнических задач.
  • Архитектура на базе flow-matching с использованием кодеров ResNet-18 для обработки изображений с камер и 1D височных U-Net сетей.
  • Точно зафиксированные наборы демонстраций для каждой задачи, что критически важно для корректного старта RL-алгоритмов.
  • Комплект файлов конфигурации, включая веса EMA-актора (ema_actor.pt), параметры нормализации и метаданные развертывания.

Что можно сделать

  • Использовать как базу для RL: применить чекпоинты с разным уровнем успешности для старта обучения с подкреплением на тех же демонстрационных наборах.
  • Провести оценку: запустить тестирование политик в средах MimicGen, robosuite, FurnitureBench или Adroit Pen, используя предоставленные файлы конфигурации.
  • Исследовать влияние уровня успешности: проверить, как качество базовой политики (например, 25% против 75%) влияет на итоговую скорость и стабильность дообучения RL.

Пример

Для запуска и тестирования политик используется кодовая база `rfm_rl`. В каждой папке задачи содержатся файл весов `ema_actor.pt`, конфигурационный файл `config.yaml` и метаданные `deploy_metadata.json` с описанием ключей наблюдений и действий.

ПодробнееБенчмарки: успешность выполнения задач от 10% до 89-93% в зависимости от уровня чекпоинта и среды ( MimicGen Stack, robosuite Tool Hang, FurnitureBench, Adroit Pen).
Архитектура: для задач с изображениями используется ResNet-18 + пространственный softmax с U-Net flow-головой (около 26.26 млн параметров), для Pen — остаточный MLP flow-хед (около 8.71 млн параметров).
Обучение: оптимизатор AdamW с адаптивным EMA 0.9999. Веса наследуют лицензии исходных датасетов (MimicGen, robomimic, FurnitureBench, D4RL).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 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 · 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.

    # jesbu1/boost-bc-flow-policies
    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 jesbu1/boost-bc-flow-policies --local-dir ~/models/boost-bc-flow-policies
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к boost-bc-flow-policies
  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 boost-bc-flow-policies — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

jesbu1/boost-bc-flow-policies
Автор
jesbu1
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

Другое

Flex'N Sense

Flex'N Sense