К содержимому
Робототехника

act_move-box_chunk100

политика для перемещения коробки роботом

2 мин чтенияобновлено

Модель представляет собой политику управления роботом, обученную методом imitation learning (обучение с подражанием на примерах телеуправления) по архитектуре Action Chunking with Transformers (ACT). Вместо одиночных шагов она предсказывает сразу короткие последовательности действий для манипулятора so_follower, чтобы выполнять задачу «Move the box» (перемещение коробки). Модель весит около 0.05B параметров, создана пользователем jhd0313 в экосистеме LeRobot (версия 0.6.0) и распространяется под свободной лицензией Apache 2.0. Подойдёт энтузиастам и разработчикам робототехники, работающим с совместимыми манипуляторами и камерами.

Ключевые особенности

  • Архитектура ACT: предсказывает последовательности действий (action chunks) с горизонтом 100 шагов (в серии также есть варианты chunk50 и chunk10).
  • Мультимодальный ввод: принимает вектор состояния робота (6 параметров) и видеопоток с двух камер (overhead и wrist в разрешении 480×640).
  • Точное управление: на выходе формирует вектор действий размерностью 6 для управления приводами манипулятора so_follower.
  • Обучение на реальных данных: модель тренировалась на датасете jhd0313/move-box_20261008_100955, содержащем 50 эпизодов (10 668 кадров при 30 FPS).

Что можно сделать

  • Запустить автономное перемещение коробки на физическом роботе-манипуляторе so_follower с двумя подключёнными камерами.
  • Использовать чекпоинт как базовый ориентир при дообучении или сравнении политик с разным размером чанка (10, 50 и 100) в фреймворке LeRobot.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --policy.path=jhd0313/act_move-box_chunk100 \
  --task="Move the box" \
  --duration=60
ПодробнееОбучение: 5000 шагов, batch size 8, оптимизатор adamw, learning rate 1e-05.
Оценка: метрики успешности на реальном роботе в карточке пока не опубликованы.
Лицензия: apache-2.0.
Обсудить Telegram 0 26

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.

    # jhd0313/act_move-box_chunk100
    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 jhd0313/act_move-box_chunk100 --local-dir ~/models/act_move-box_chunk100
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_move-box_chunk100
  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_move-box_chunk100 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

jhd0313/act_move-box_chunk100
Автор
jhd0313
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

handoff

handoff