К содержимому
Другое

X-VLA + Recap v1

политика управления роботом для вставки кабелей

2 мин чтенияобновлено

Чекпоинт X-VLA + Recap v1 обучает манипулятор точной вставке кабелей в рамках конкурса EEE 598 AI for Industry Challenge (AIC). Модель размером 0.88B параметров основана на файнтюне xvla-aic-v4 для библиотеки LeRobot и дообучена методом Recap (обучение с подкреплением на основе оценки преимущества действий) на 120 записях прогонов и 585 демонстрациях. В отличие от базового файнтюна и версий с DSRL или residual RL, этот вариант показал лучший суммарный результат в тестах. Пригодится исследователям и разработчикам в области робототехники и обучения с подкреплением.

Ключевые особенности

  • Набирает 1163 балла в 36 тестовых испытаниях в симуляторе AIC Gazebo против 1052 баллов у базового файнтюна xvla-aic-v4.
  • Принимает на вход изображения с трёх камер на запястье (256x288) и вектор состояния из 19 значений (поза TCP, скорости, силы и моменты на запястье).
  • Дообучена в течение 20 тысяч шагов с разметкой секундных отрезков тегами Advantage: positive и Advantage: negative на датасете aic-recap-v1.
  • Для работы в режиме лучшей политики к тексту задачи добавляется суффикс " Advantage: positive".

Что можно сделать

  • Протестировать политику в среде симуляции AIC Gazebo для задач точного позиционирования и вставки кабелей с помощью скриптов проекта eee598-aic.
  • Использовать чекпоинт как базовую политику или референс при сравнении методов offline- и advantage-conditioned дообучения в LeRobot.

Пример

hf download muhammad-ibraheem/xvla-recap-v1 --local-dir ckpt/xvla-recap-v1
scripts/run_smolvla_server.sh ckpt/xvla-recap-v1
ПодробнееБенчмарк (36 испытаний в AIC Gazebo, макс. 100 баллов за попытку): 1163 балла в сумме (368 на Seed 100, 348 на Seed 101, 447 на обучающих платах) и 2 полные вставки.
Сравнение: обходит X-VLA + DSRL (1077 баллов), базовый xvla-aic-v4 (1052 балла), X-VLA + residual RL (1011 баллов) и вторую итерацию xvla-recap-v2 (949 баллов).
Обучение: 20k шагов на 120 роллаутах X-VLA (топ-30% и успешные вставки размечены как positive) и 585 демонстрациях CheatCode.
Обсудить Telegram 0 17

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.3 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 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.

    # muhammad-ibraheem/xvla-recap-v1
    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 muhammad-ibraheem/xvla-recap-v1 --local-dir ~/models/xvla-recap-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к xvla-recap-v1
  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 xvla-recap-v1 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

muhammad-ibraheem/xvla-recap-v1
Автор
muhammad-ibraheem
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

CAT

CAT
Другое

Flex'N Sense

Flex'N Sense