К содержимому
Робототехника

trossen-bin-picking-act-cup-real

политика управления роботом для перекладывания стакана

2 мин чтенияобновлено

Компактная модель (50 млн параметров) от команды Kite на базе архитектуры ACT (Action Chunking with Transformers — алгоритм, предсказывающий сразу последовательность действий робота) для двурукой роботизированной станции WidowX AI. Она получает изображения с четырёх камер и текущие позиции 14 сочленений, а на выходе генерирует целевые координаты для всех 14 суставов сразу на 100 шагов вперёд. Политика обучена на реальных записях движения роботов из открытого датасета bin_picking от Trossen Robotics и превосходит аналоги, обученные только в симуляторе. Пригодится разработчикам в области робототехники и исследователям, работающим с фреймворком LeRobot.

Ключевые особенности

  • Мультисенсорный вход: модель одновременно анализирует потоки с четырёх камер и текущее положение 14 приводов станции.
  • Пакетное предсказание действий: за один проход нейросеть выдаёт траекторию движения сразу на 100 шагов вперёд для 14 суставов.
  • Обучение на реальных данных: веса получены на 18 реальных записях перекладывания стакана (7 318 кадров) вместо синтетики.
  • Узкая специализация: политика не принимает текстовых инструкций и настроена строго на захват красного стакана и перемещение его в прозрачный лоток.

Что можно сделать

  • Запустить в симуляции: протестировать управление двурукой станцией WidowX AI при разном освещении и наличии посторонних предметов на столе.
  • Сравнить подходы к обучению: использовать чекпоинт как базовый ориентир (baseline) при сравнении политик, обученных на реальных записях и на симулированных датасетах trossen-bin-picking-sim.
  • Дообучить под свои задачи: взять веса как отправную точку в библиотеке LeRobot версии 0.6 и выше для экспериментов с манипуляцией объектами.

Пример

from lerobot.policies.act.modeling_act import ACTPolicy

policy = ACTPolicy.from_pretrained("kiteml/trossen-bin-picking-act-cup-real")
ПодробнееРезультаты в симуляции: 33 успешных перекладывания из 80 (10/20 при обычном освещении, 8/20 при тусклом, 8/20 при тёплом и 7/20 с лишними предметами на столе), что выше лучшей симуляционной модели (26/80).
Обучение: 30 000 шагов с размером батча 8 на одной видеокарте A100 заняло около 1 часа 50 минут.
Ограничения: модель проверена только в симуляторе (на реальном роботе не запускалась), справляется с захватом только левой рукой.
Лицензия: Apache-2.0.
Обсудить Telegram 0 20

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.

    # kiteml/trossen-bin-picking-act-cup-real
    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 kiteml/trossen-bin-picking-act-cup-real --local-dir ~/models/trossen-bin-picking-act-cup-real
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к trossen-bin-picking-act-cup-real
  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 trossen-bin-picking-act-cup-real — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

kiteml/trossen-bin-picking-act-cup-real
Автор
kiteml
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии