К содержимому
Робототехника

ExoWrist_Smolvla

набор моделей для управления манипулятором Piper

2 мин чтенияобновлено

Экспериментальный репозиторий от автора Lyndow с чекпоинтами, исходным кодом и зависимостями для робототехнической политики на базе SmolVLA (Vision-Language-Action — модель, связывающая зрение и команды с действиями робота). Решает задачу генерации траекторий для манипулятора Piper и работы с захватом, а некоторые версии дополнены модулями распознавания намерений человека. В отличие от готовых систем управления, этот архив предназначен только для симуляции (MuJoCo и ассеты Isaac) и расчёта действий в JSON — прямая отправка команд на реальные моторы по CAN-шине здесь не реализована. Подойдёт исследователям робототехники и разработчикам VLA-моделей, которым нужны готовые веса и воспроизводимое окружение на базе LeRobot.

Ключевые особенности

  • Несколько вариантов чекпоинтов: включает базовую адаптацию F, версию J1 с совместным обучением головы намерений и консервативную сборку R1_conservative.
  • Мультимодальный вход: принимает три потока изображений (с дополнением до 512×512) и 7-мерное состояние робота (6 углов суставов и степень раскрытия схвата).
  • Горизонт планирования: модель генерирует блок из 10 шагов действий с частотой 30 Hz и перепланирует траекторию после выполнения первых 3 шагов.
  • Полный стек зависимостей: внутри архива сохранены веса SmolVLA/SmolVLM, DINOv2, Sapiens2, DETR, MediaPipe и фиксированный снимок библиотеки LeRobot.

Что можно сделать

  • Запустить офлайн-тестирование в симуляции: проверить расчёт действий для разных чекпоинтов (F, J1, R1_conservative) на ассетах манипулятора Piper без подключения реального железа.
  • Исследовать распознавание намерений: сравнить поведение стандартного эксперта действий F с версией J1, которая умеет сама определять момент, когда человеку требуется помощь.

Пример

python tools/bundle_inference.py --bundle . --model F --self-test
python tools/bundle_inference.py --bundle . --model J1 --self-test
python tools/bundle_inference.py --bundle . --model R1_conservative --self-test
ПодробнееСкорость работы: медианное время расчёта блока действий составляет ~583 мс (P95 — ~715 мс) на RTX 4080 SUPER.
Ограничения: проверка на реальном роботе не завершена, асинхронный контроль в реальном времени не реализован (inference_delay=0).
Установка: полный архив весит десятки ГБ; для запуска нужна Linux-система с GPU NVIDIA (скачивание на Mac не рекомендуется).
Важно: корень репозитория нельзя передавать напрямую в SmolVLAPolicy.from_pretrained() — используйте скрипты из папки tools/.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.4 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 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 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.

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

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

О модели

Lyndow/ExoWrist_Smolvla
Автор
Lyndow
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

CloudEdgeVLA

CloudEdgeVLA