К содержимому
Робототехника

LoongForge-GR00T-N1.7-LIBERO

VLA-политика для четырёх наборов LIBERO

2 мин чтенияобновлено

LoongForge-GR00T-N1.7-LIBERO — это четыре SFT-чекпоинта для vision-language-action (VLA) модели GR00T-N1.7, по одному на наборы LIBERO: spatial, object, goal и 10. Каждый чекпоинт — дообучение nvidia/GR00T-N1.7-3B: бэкбон Qwen3-VL / Cosmos-Reason2-2B обрабатывает инструкцию, изображения с внешней и кистевой камер и состояние робота, а flow-matching diffusion transformer (DiT) предсказывает будущие действия. На выходе — 7-мерные дельта-команды энд-эффектора блоками по 16 шагов; при оценке выполняется 8 шагов, затем перепланирование. Обучение воспроизводит официальный рецепт NVIDIA Isaac-GR00T, но выполнено в LoongForge; пригодится для запуска LIBERO и работы с готовыми политиками.

Ключевые особенности

  • Четыре независимых чекпоинта под libero_spatial, libero_object, libero_goal и libero_10.
  • На входе: текстовая инструкция, внешняя и wrist-камера, 8-мерное состояние робота.
  • 7D delta end-effector команды в OSC_POSE, чанки по 16 шагов, выполнение по 8 шагов.
  • Чекпоинты в FP32, ~12.5 ГБ каждый; 3,455,180,928 параметров.
  • Обучение в LoongForge по рецепту NVIDIA: 20 000 итераций, batch 640, bf16.

Что можно сделать

  • Запустить оценку одного из наборов LIBERO через конфиги LoongForge.
  • Подставить путь к нужному suite-каталогу в libero_<suite>.yaml.
  • Сравнить поведение с официальными чекпоинтами nvidia/GR00T-N1.7-LIBERO.
  • Прогнать политику в симуляторе LIBERO на 10 задачах каждого suite.

Пример

benchmark:
  suite: libero_spatial
  max_steps: 720
model:
  backend: loongforge
  model_type: Gr00tN1d7
server:
  ckpt_path: /path/to/libero_spatial
Подробнее4 чекпоинта: libero_spatial, libero_object, libero_goal, libero_10; каждый — отдельный SFT.
FP32, 3,455,180,928 параметров, ~12.5 ГБ на чекпоинт.
Обучение: 20 000 итераций, глобальный batch 640 (80×8 GPU), bf16, seed 42.
Политика выдаёт 16 шагов, при оценке выполняется 8 до перепланирования.
Данные: LeRobot v2.1, 20 fps, robot_type=franka; чисел успеха на LIBERO в карточке нет.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 12 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.9 GB6.9 GB
  • 4-bitвеса 3.3 GB4.1 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 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.

    # LoongForge/LoongForge-GR00T-N1.7-LIBERO
    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 LoongForge/LoongForge-GR00T-N1.7-LIBERO --local-dir ~/models/LoongForge-GR00T-N1.7-LIBERO
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LoongForge-GR00T-N1.7-LIBERO
  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

nvidia/GR00T-N1.7-3B

Новые посты про версии GR00T-N1.7-3B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

LoongForge/LoongForge-GR00T-N1.7-LIBERO
Автор
LoongForge
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

ACT_libero

ACT_libero