К содержимому
Робототехника

GR00T-политика для UR5e

перекладывает продукты в коробку

2 мин чтенияобновлено

Это обученная policy (политика управления) для робота Panda+UR5e: она получает картинки с трёх камер, положение суставов и текстовую команду, а на выходе предсказывает действия манипулятора. В основе — открытая кросс-эмбодимент foundation-модель NVIDIA GR00T N1.7 (для разных роботов) с backbone Cosmos-Reason2/Qwen3-VL и flow-matching action transformer. Чекпоинт обучен через LeRobot на 1526 эпизодах, где робот брал продукты и клал их в коробку. Это не универсальный ассистент, а конкретная политика под pick-and-place на указанном железе; пригодится робототехникам, которые работают с LeRobot и UR5e/Panda.

Ключевые особенности

  • Базируется на GR00T N1.7 от NVIDIA: Cosmos-Reason2/Qwen3-VL и flow-matching action transformer.
  • Три входа с камер — agentview, robot0_eye_in_hand и robot0_eye_in_hand_2; состояние (9,), действие (7,).
  • Обучена на 1526 эпизодах и 377 262 кадрах при 20 FPS для команд вида «Pick … and place it into the box».
  • Конфиг LeRobot 0.6.0: 60 000 шагов, batch 16, AdamW, learning rate 7e-05, seed 0.
  • В карточке нет результатов оценки на реальном роботе — только чекпоинт и данные обучения.

Что можно сделать

  • Запустить rollout на Panda+UR5e с тремя камерами и одной из текстовых задач карточки — например, с яблоком или джемом.
  • Взять чекпоинт как готовую политику для экспериментов с pick-and-place в LeRobot.
  • Обучить свою версию через lerobot-train на собственном датасете и сравнить с этим чекпоинтом.
  • Посмотреть эпизоды датасета в LeRobot visualizer, чтобы понять сценарии и качество демонстраций.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=Panda+UR5e \
  --robot.port=<your_robot_port> \
  --policy.path=mim-chess-vlas/train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30 \
  --task="Pick the jam and place it into the box" \
  --duration=60
ПодробнееПо метаданным — 3,14B параметров; лицензия Apache-2.0.
Вход: состояние (9,) и три RGB-кадра 224×224; выход: 7-мерное действие.
Датасет: 1526 эпизодов, 377 262 кадра, 20 FPS.
Ограничения: нет опубликованной оценки; нужен Panda+UR5e и камеры с теми же именами, что при обучении.
Обсудить Telegram 0 12

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 12 GB · готовые файлы13 GB
  • BF16веса 5.9 GB6.9 GB
  • FP8 / INT8рекомендуемвеса 2.9 GB3.7 GB
  • 4-bitвеса 1.6 GB2.3 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 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.

    # mim-chess-vlas/train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30
    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 mim-chess-vlas/train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30 --local-dir ~/models/train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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 train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

mim-chess-vlas/train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30
Автор
mim-chess-vlas
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии