К содержимому
Другое

Mercury007/mv-action-value-scan-object

оценка действий двурукого робота до их выполнения

2 мин чтенияобновлено

Модель предсказывает ценность запланированного действия робота-манипулятора ещё до того, как он начнёт двигаться. На вход она получает данные с трёх камер (головной и двух на запястьях), текущее 16-мерное состояние робота и последовательность из 16 будущих шагов (chunk) для обеих рук, а на выходе выдаёт оценку полезности этого движения и ожидаемую награду. Архитектура MultiViewActionSVM (91,3 млн параметров) от автора Mercury007 обучена с нуля методом дистилляции знаний от модели-учителя Mercury007/mv-distill-scan-object, которая оценивает только состояния без учёта действий. В отличие от классических оценщиков, обученных лишь на бинарных метках успеха или провала в конце эпизода, эта модель прогнозирует изменение состояния на 16 кадров вперёд. Инструмент пригодится исследователям и разработчикам в области робототехники (Reinforcement Learning и имитационное обучение) для задачи сканирования объектов в симуляторе RoboTwin.

Ключевые особенности

  • Мультиракурсный анализ: объединяет RGB-изображения, карты глубины (в мм), внутренние и внешние параметры сразу с трёх камер (голова, левое и правое запястье).
  • Прогноз на 16 шагов вперёд: оценивает не просто текущую позу, а целый 16-шаговый отрезок траектории EEF (конечного эффектора) для обеих рук робота.
  • Дистилляция от state-only учителя: обучалась предсказывать разницу между удержанием текущей позы и выполнением запланированного движения в единицах логитов учителя.
  • Компактный размер: вес модели составляет 91,3 млн параметров в формате safetensors, что позволяет быстро запускать инференс в цикле управления.

Что можно сделать

  • Использовать в связке с политикой GAP на платформе RoboTwin (робот aloha-agilex) для предварительной оценки и фильтрации неудачных траекторий в задаче scan_object.
  • Применять как плотную функцию награды (dense reward) при дообучении или планировании движений двурукого манипулятора без ожидания конца эпизода.

Пример

from svm import MVActionValue

value = MVActionValue.from_pretrained("Mercury007/mv-action-value-scan-object")
v = value.values(obs)       # [B] V(s, a)
r = value.rewards(obs)      # [B] V(s, a) - V(s, hold)
ПодробнееМетрики на отложенной выборке (эпоха 23 из 34): общий loss 1.286 (value MSE 0.156, progress MSE 1.131), static value AUC (разделение успеха и провала) — 0.915, корреляция предсказанного прогресса с оценкой учителя — 0.62.
Обучение: с нуля в bf16 (AdamW 1e-4) на 1008 базовых эпизодах GAP (по 504 успешных и неудачных) и 908 ветках с добавлением шума по координатам xyz.
Ограничения: модель не тестировалась за пределами отложенной валидационной выборки и требует специфического формата входных данных из пакета svm.
Обсудить Telegram 0 22

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.3 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 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 · 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.

    # Mercury007/mv-action-value-scan-object
    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 Mercury007/mv-action-value-scan-object --local-dir ~/models/mv-action-value-scan-object
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к mv-action-value-scan-object
  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 mv-action-value-scan-object — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Mercury007/mv-action-value-scan-object
Автор
Mercury007
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

CloudEdgeVLA

CloudEdgeVLA