К содержимому
Робототехника

LaWAM Cleans Frozen

робот-политика для домашней уборки

2 мин чтенияобновлено

Модель управляет роботом stringman: по трём камерам она выдаёт 5-мерное действие, чтобы складывать бельё в корзину, мусор в ведро и игрушки по местам. В основе LaWAM — связка Qwen3-VL, латентной модели действий/мира и flow-matching головы для действий; это дообучение с jialei02/lawam-pretrain-lerobot. Обучение и запуск идут через LeRobot, поэтому модель пригодится тем, кто собирает imitation-learning пайплайны для реальных манипуляторов. Оценок на роботе в карточке пока нет.

Ключевые особенности

  • LaWAM-архитектура: Qwen3-VL + латентная модель действий/мира + flow-matching action head.
  • Три визуальных входа с камер gripper_camera, anchor_camera_0 и anchor_camera_1.
  • Дообучена в LeRobot от jialei02/lawam-pretrain-lerobot под робота stringman.
  • Датасет naavox/stringman_cleans: 1247 эпизодов и 827 085 кадров при 30 FPS.
  • Публичной оценки success rate на реальном роботе в карточке нет.

Что можно сделать

  • Запустить политику на stringman через lerobot-rollout и проверить задачи вроде «Put laundry in the hamper».
  • Дообучить свою политику от того же base-чекпоинта на собственном датасете через lerobot-train.
  • Использовать как пример LeRobot-пайплайна для манипуляции с тремя камерами и 5-мерным action space.
  • Сравнить с другими политиками на похожих бытовых задачах, когда появятся метрики.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=stringman \
  --robot.port=<your_robot_port> \
  --policy.path=naavox/lawam-cleans-frozen \
  --task="Put laundry in the hamper" \
  --duration=60
ПодробнееБаза: jialei02/lawam-pretrain-lerobot; робот stringman, камеры gripper_camera, anchor_camera_0/1.
Датасет naavox/stringman_cleans: 1247 эпизодов, 827 085 кадров, 30 FPS; обучение 30 000 шагов, batch 16, lr 0.0001.
Оценки на реальном роботе в карточке нет — success rate не указан.
Лицензия MIT; запуск через LeRobot 0.7.0.
Обсудить Telegram 0 29

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.7 GB · готовые файлы7.8 GB
  • FP8 / INT8рекомендуемвеса 2.4 GB3.1 GB
  • 4-bitвеса 1.3 GB2.0 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 5060 Ti 8GB

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.

    # naavox/lawam-cleans-frozen
    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 naavox/lawam-cleans-frozen --local-dir ~/models/lawam-cleans-frozen
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lawam-cleans-frozen
  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

Дообучение модели

jialei02/lawam-pretrain-lerobot

Новые посты про версии lawam-pretrain-lerobot — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 3Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

naavox/lawam-cleans-frozen
Автор
naavox
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

290

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

OpenWAM IDM CF64k

OpenWAM IDM CF64k