К содержимому
Робототехника

iclr27_release

набор из 15 робототехнических политик на базе V-JEPA 2.1

2 мин чтенияобновлено

Анонимный релиз весов (предположительно к конференции ICLR 2027), включающий 15 моделей управления роботами (Stage-2 policies) и 3 парных кодека действий. В качестве визуального бэкбона используется замороженная модель V-JEPA 2.1 ViT-L/16 (разрешение 384), а сама политика принимает поток с трёх камер (first_person, wrist_left, wrist_right) и проприоцептивное состояние робота, выдавая последовательность действий на 30 шагов вперёд. В архив входят как основная мультизадачная модель (main_multitask), так и 11 узкоспециализированных политик для манипуляций одной и двумя руками, а также 3 абляционные модели для сравнения подходов к кодированию движений.

Ключевые особенности

  • Мультизадачность и узкие навыки: главная модель обучена на 120K шагов сразу на всех задачах, плюс доступны 11 отдельных чекпоинтов (30K–50K шагов) для конкретных действий.
  • Три варианта кодеков действий: помимо основного энкодера/декодера, в релизе есть парные кодеки для Action-MAE и Action-iBOT (с поддержкой целей siglip и ibot), сжимающие действия в латентные токены размерности 512.
  • Два режима запуска: полный RGB-инференс (требует отдельной загрузки весов V-JEPA 2.1) и быстрая проверка на предвычисленных признаках (--features-only) без визуального бэкбона.
  • Полная воспроизводимость инференса: веса сохранены в исходной точности (включая EMA-сети), в комплекте идут нормализаторы, статистики латентного пространства и скрипты верификации контрольных сумм.

Что можно сделать

  • Запустить инференс политики в симуляторе или на роботе: подавать кадры с трёх RGB-камер и вектор состояния D324, получая готовые чанки действий [30, 324].
  • Использовать энкодеры действий отдельно: сжимать траектории движений в компактные латентные представления с помощью load_codec_networks для собственных экспериментов в робототехнике.
  • Сравнить способы представления действий: протестировать разницу между сырыми действиями (raw_action), action_mae и action_ibot на готовых признаках.

Пример

from load_release import load_policy

policy = load_policy(
    "main_multitask",
    device="cuda",
    vjepa_weights="../vjepa2_1_vitl_dist_vitG_384.pt",
)
# policy.predict(observation).action возвращает чанк действий [30, 324]
ПодробнееРеференсные оценки (50 эпизодов на задачу, seed-0): main_multitask — 357/550 успехов, ablations/action_mae — 252/550, ablations/action_ibot — 240/550, ablations/raw_action — 117/550.
Лучшие одиночные политики: полив растения (water_plant) — 48/50, клик мышью и щипцы — по 41/50, съёмка двумя руками — 39/50; сложнее всего даётся сборка двумя руками (1/50) и разблокировка iPad (8/50).
Требуется Python 3.10+ и PyTorch; внешние веса V-JEPA 2.1 скачиваются отдельно через download_vision.py.
В архиве нет симулятора, датасетов и состояний оптимизатора (только веса для инференса). Лицензия: CC BY-NC 4.0 (только некоммерческое использование).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.2 GB · готовые файлы1.8 GB
  • FP8 / INT8рекомендуемвеса 0.6 GB1.1 GB
  • 4-bitвеса 0.3 GB0.9 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.

    # modelarchivek7m29/model-checkpoints
    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 modelarchivek7m29/model-checkpoints --local-dir ~/models/model-checkpoints
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к model-checkpoints
  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 model-checkpoints — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

modelarchivek7m29/model-checkpoints
Автор
modelarchivek7m29
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