К содержимому
Другое

rr-worldmodel-v0-policies

политики управления роботом UR5 на базе Cosmos3-Edge и Fast-WAM

2 мин чтения

Репозиторий содержит девять обученных чекпоинтов (весов нейросетей) для управления роботом-манипулятором UR5 на датасете rr-worldmodel_v0. Модели получают на вход изображения с трёх камер (обзорной 620×620 и двух на запястьях 480×480), текущее состояние робота и текстовую инструкцию задачи, а на выходе предсказывают последовательность абсолютных координат и ориентации захвата (TCP targets) с частотой 15 Гц. В набор вошли два семейства мировых моделей (world models — нейросетей, моделирующих физику и динамику среды для планирования действий): компактные варианты на базе Cosmos3-Edge (по 6,3 ГБ) и более крупные Fast-WAM (по 12 ГБ). Релиз пригодится исследователям в области робототехники для тестирования и сравнения open-loop и real-robot политик на задачах манипуляции предметами.

Ключевые особенности

  • Две архитектуры на выбор: семь чекпоинтов семейства Cosmos3-Edge (precision bf16, вес 6,3 ГБ) и два чекпоинта Fast-WAM (обучение во float8 через torchao с экспортом в bf16, вес 12 ГБ).
  • Разный горизонт планирования: стандартные версии Cosmos3-Edge генерируют чанк из 16 шагов действия, вариант obs5_chunk32 анализирует 5 последних кадров и выдаёт 32 шага, а Fast-WAM предсказывает сразу 32 шага.
  • Обучение на узком и смешанном наборах: модели с суффиксом local обучены на 5 базовых задачах манипуляции, а версии mix — на 22 задачах (где 50% занимают локальные данные).
  • Готовая инфраструктура для запуска: в репозитории есть скрипт выборочной загрузки весов, предвычисленные T5-эмбеддинги текстовых команд и файлы inference.py для проверки в режиме open-loop.

Что можно сделать

  • Сравнить поведение мировых моделей на реальном UR5: протестировать разницу между стохастической генерацией Cosmos3-Edge и 32-шаговыми прогнозами Fast-WAM при перекладывании предметов или наливании воды.
  • Провести валидацию в режиме open-loop: запустить встроенные скрипты inference.py --episode на эпизодах из датасета rr-worldmodel_v0, чтобы оценить точность траекторий до запуска на железе.
  • Изучить влияние истории наблюдений: сравнить базовый чекпоинт cosmos3_edge_local_it2800 с версией obs5_chunk32, подающей на вход 5 кадров вместо одного.

Пример

pip install -U huggingface_hub
python download_ckpt.py --list
python download_ckpt.py --model cosmos3_edge_local_obs5_chunk32 --out /data/ckpts
ПодробнееОшибка позиционирования (open-loop, среднее по чанку на 3-м эпизоде): для Fast-WAM составляет 0,4–1,8 мм, для Cosmos3-Edge — 2,4–12,1 мм в зависимости от задачи и числа итераций.
Формат входа: RGB uint8 с камер third (620×620), wrist1 и wrist2 (480×480), вектор observation.state и эмбеддинг инструкции.
Формат выхода: 7D-вектор [x, y, z, rx, ry, rz, gripper] на частоте 15 Гц.
Ограничение: приведённые в карточке ошибки измерены на тренировочных демонстрациях (fit to training demos) и не отражают обобщающую способность — модели нужно сравнивать непосредственно на роботе.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 11 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.6 GB6.7 GB
  • 4-bitвеса 3.2 GB4.0 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 5060 Ti 8GB · BF16 — от RTX 5080

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.

    # LevinShan/rr-worldmodel-v0-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 LevinShan/rr-worldmodel-v0-policies --local-dir ~/models/rr-worldmodel-v0-policies
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к rr-worldmodel-v0-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 rr-worldmodel-v0-policies — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

LevinShan/rr-worldmodel-v0-policies
Автор
LevinShan
Категория
Другое
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