К содержимому
Робототехника

trossen-bin-picking-sim-act-cup-all-90k

нейросеть для перекладывания стакана роботом-манипулятором

2 мин чтенияобновлено

Модель представляет собой политику управления ACT (Action Chunking with Transformers — архитектура для предсказания последовательностей действий робота) на базе библиотеки LeRobot от команды Kite. На вход она получает видеопоток с четырёх камер и текущие позиции 14 суставов двурукой станции WidowX AI, а на выходе генерирует 14 целевых координат суставов сразу на 100 шагов вперёд. Нейросеть не принимает текстовых команд и заточена под одну конкретную задачу: взять красный стакан и поставить его в прозрачный лоток в симуляторе. В отличие от базовой версии на 30 000 шагов обучения, этот чекпоинт прошёл 90 000 шагов на объединённом наборе из семи вариаций сцены. Пригодится исследователям и разработчикам робототехники, работающим с фреймворком LeRobot.

Ключевые особенности

  • Управляет двурукой платформой WidowX AI по данным с четырёх камер и 14 датчиков положения суставов.
  • Предсказывает траекторию сразу на 100 шагов вперёд, формируя 14 целевых координат для приводов.
  • Обучена на 119 эпизодах (48 069 кадров) из семи различных вариантов датасета trossen-bin-picking-sim.
  • Не поддерживает текстовые инструкции — выполняет исключительно захват и перенос красного стакана.

Что можно сделать

  • Использовать как готовый бейзлайн в симуляции станции WidowX AI для тестов алгоритмов манипуляции предметами в LeRobot 0.6+.
  • Сравнить поведение политики на 90 000 шагов с версией на 30 000 шагов при разном освещении и наличии лишних объектов на столе.

Пример

from lerobot.policies.act.modeling_act import ACTPolicy

policy = ACTPolicy.from_pretrained("kiteml/trossen-bin-picking-sim-act-cup-all-90k")
ПодробнееОценка в симуляции (по 20 запусков на сценарий): 8/20 успешных переносов при обычном свете, 3/20 при слабом освещении, 4/20 при тёплом свете и 3/20 с лишними предметами на столе (срабатывает только в раскладках, где стакан берёт левая рука).
Обучение: 90 000 шагов с размером батча 8 на одной видеокарте NVIDIA A100 заняло около 4 часов.
Ограничения: предназначена только для симуляции, на реальном роботе не тестировалась; работает в LeRobot версии 0.6 и выше.
Обсудить Telegram 0 19

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-sim-act-cup-all-90k
    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-sim-act-cup-all-90k --local-dir ~/models/trossen-bin-picking-sim-act-cup-all-90k
    # 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 trossen-bin-picking-sim-act-cup-all-90k — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

kiteml/trossen-bin-picking-sim-act-cup-all-90k
Автор
kiteml
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии