К содержимому
Робототехника

longwam-yam-conveyor

файнтюн для роборуки на движущейся ленте

1 мин чтенияобновлено

Это специализированный чекпоинт, обученный на базе Long-WAM-YAM для управления двуручным роботом YAM в симуляторе Isaac Lab. Модель решает задачу захвата красного кубика с движущейся конвейерной ленты со скоростью 4–7 см/с и перемещения его в синий контейнер. В репозитории представлен обученный экшен-эксперт размером 1.02B параметров, в то время как видео-эксперт остается замороженным. Такой подход значительно снижает требования к ресурсам при адаптации политики управления под конкретные физические задачи.

Ключевые особенности

  • Обучение на 200 демонстрациях с рандомизацией скорости ленты и освещения
  • Легковесный дельта-вес (около 2 ГБ в формате bf16)
  • Мультимодальный вход с камер сверху и с запястий робота
  • Эффективное обучение на двух GPU RTX PRO 6000 за 3 часа 20 минут

Что можно сделать

  • Объединить дельта-веса с базовой моделью Long-WAM-YAM с помощью скрипта слияния
  • Проверить политику управления в симуляторе YAMLab
  • Интегрировать модель в проекты робототехники на базе Isaac Sim

Пример

hf download Efficient-Large-Model/Long-WAM-YAM --revision e104e72dab1991a166e81e2941f7539e4edb8d68 --local-dir base
hf download kabilanKB/longwam-yam-conveyor checkpoints/step_000250/action_step_000250.pt --local-dir .
python eval/thor/merge_action_delta.py base checkpoints/step_000250/action_step_000250.pt yam_conveyor_ft_250
ПодробнееБазовая модель: Efficient-Large-Model/Long-WAM-YAM
Параметры: 1.02 B (обучаемый эксперт)
Оборудование: 2x RTX PRO 6000 (96 GB)
Длительность обучения: 1,216 шагов
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.9 GB · готовые файлы2.6 GB
  • FP8 / INT8рекомендуемвеса 1.0 GB1.5 GB
  • 4-bitвеса 0.5 GB1.1 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.

    # kabilanKB/longwam-yam-conveyor
    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 kabilanKB/longwam-yam-conveyor --local-dir ~/models/longwam-yam-conveyor
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к longwam-yam-conveyor
  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

Дообучение модели

Efficient-Large-Model/Long-WAM-YAM

Новые посты про версии Long-WAM-YAM — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face

О модели

kabilanKB/longwam-yam-conveyor
Автор
kabilanKB
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

microduck-tug-p10

microduck-tug-p10
Робототехника

pi05-droid-fp16-ov

pi05-droid-fp16-ov