К содержимому
Другое

G1 simple-pick: три политики управления для гуманоидного робота

2 мин чтенияобновлено

Набор из трёх обученных политик (нейросетевых стратегий действий) для двурукого гуманоидного робота G1. Все модели решают конкретную задачу манипуляции: взять розовый кубик ближайшей рукой и положить его в зелёный контейнер, выдавая 16-мерные команды положения рабочих органов (EEF — end-effector, схват манипулятора). Внутри собраны чекпоинты разных архитектур — FastWAM на базе видеомодели Wan2.2-TI2V-5B, ImageWAM на основе FLUX.2-klein-4B с LoRA (небольшой надстройкой для дообучения) и π0.5 из фреймворка openpi — вместе с кодом серверов инференса. Репозиторий пригодится исследователям робототехники для запуска, тестирования и прямого сравнения разных подходов на платформе G1.

Ключевые особенности

  • Три архитектуры в одном месте: полный файнтюн FastWAM (шаг 3300, около 6 эпох), ImageWAM с LoRA (шаг 6000) и модель π0.5 (шаг 19999 из 20000 в форматах JAX и PyTorch).
  • Единая задача и формат данных: обучение прошло на 91 эпизоде для генерации 16-мерных действий двух рук в пространстве EEF.
  • Готовый код для развёртывания: включены скрипты серверов инференса, конфиги, статистики нормализации, кэш текстовых эмбеддингов и общий кодек g1-client на базе msgpack.
  • Работа со строгим промптом: политики настроены под побайтово точную команду Pick up the pink cube with the nearer arm and place it into the green bin.

Что можно сделать

  • Сравнить скорость отклика и точность выполнения захвата кубика между видео-моделью (FastWAM), генератором изображений (ImageWAM) и VLA-политикой (π0.5) на одном стенде.
  • Поднять три независимых сервера управления роботом G1 на разных портах (8000, 8010 и 8020) и переключаться между ними через единый клиент g1-client.
  • Использовать конвертированный PyTorch-чекпоинт модели π0.5 для интеграции в собственные пайплайны без зависимости от JAX.

Пример

cd fastwam
RUN=simple_pick_eef_1e-4/2026-10-22_12-49-19
python serve_stack_cube_eef.py --config runs/$RUN/config.yaml \
  --ckpt runs/$RUN/checkpoints/weights/step_003300.pt \
  --norm-stats runs/$RUN/dataset_stats.json \
  --state-space eef --action-space eef --port 8010
ПодробнееОбучено на 91 эпизоде задачи simple-pick-eef (16-мерные действия EEF для двух рук).
Базовые веса в репозиторий не включены: отдельно требуются Wan2.2-TI2V-5B (VAE + T5) и ActionDiT для FastWAM, FLUX.2-klein-4B для ImageWAM и токенизатор PaliGemma из openpi для π0.5.
Для режимов работы в пространстве суставов (--state-space joint) понадобится URDF-файл G1 и установка библиотеки pin.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.7 GB · готовые файлы7.9 GB
  • FP8 / INT8рекомендуемвеса 3.4 GB4.2 GB
  • 4-bitвеса 1.9 GB2.6 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 5060 Ti 8GB

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.

    # LGG100/simple-pick-3models
    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 LGG100/simple-pick-3models --local-dir ~/models/simple-pick-3models
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к simple-pick-3models
  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 simple-pick-3models — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

LGG100/simple-pick-3models
Автор
LGG100
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

MM-PET-AI

MM-PET-AI