К содержимому
Робототехника

diffusion_so101_cube

политика управления роботом для перекладывания кубика

2 мин чтенияобновлено

Модель представляет собой политику управления роботом-манипулятором so_follower (SO-101) для выполнения задачи захвата кубика и его перемещения в контейнер. В основе лежит архитектура Diffusion Policy (диффузионная политика, которая генерирует плавные многошаговые траектории движений на основе визуальных данных), реализованная с помощью фреймворка LeRobot от автора NaH-ReAlLy. Модель на 0.26B параметров принимает текущее состояние суставов и изображение с камеры на запястье, а на выходе выдает векторы действий для моторов. Подойдет разработчикам и энтузиастам робототехники для запуска готового навыка на совместимом манипуляторе или дообучения под похожие задачи.

Ключевые особенности

  • Работает с изображением с камеры на запястье робота (разрешение 480×640, 3 канала) и вектором состояния из 6 параметров.
  • Формирует плавные траектории управления по 6 степеням свободы, подходящие для задач с физическим контактом объектов.
  • Обучена на датасете shamux/so101_cube_camera, содержащем 51 эпизод и 23 612 кадров при 30 FPS.
  • Распространяется под открытой лицензией Apache 2.0 и совместима с версией LeRobot 0.6.2.

Что можно сделать

  • Запустить готовую политику на физическом роботе so_follower для автоматического сбора кубиков в корзину.
  • Использовать чекпоинт как отправную точку для экспериментов с визуомоторным управлением в экосистеме LeRobot.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ wrist: {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=NaH-ReAlLy/diffusion_so101_cube \
  --task="Pick up the cube and place it in the bin"
ПодробнееОбучение: 47 224 шага, batch size 4, оптимизатор Adam, learning rate 0.0001, seed 1000.
Входы и выходы: observation.state (6,), observation.images.wrist (3, 480, 640) → action (6,).
Ограничения: в карточке пока не приведены результаты замеров успешности выполнения на реальном роботе.
Обсудить Telegram 0 27

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.0 GB · готовые файлы1.6 GB
  • BF16веса 0.5 GB1.0 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.8 GB
  • 4-bitвеса 0.1 GB0.7 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.

    # NaH-ReAlLy/diffusion_so101_cube
    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 NaH-ReAlLy/diffusion_so101_cube --local-dir ~/models/diffusion_so101_cube
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к diffusion_so101_cube
  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 diffusion_so101_cube — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

NaH-ReAlLy/diffusion_so101_cube
Автор
NaH-ReAlLy
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

DLFM BlockTune

DLFM BlockTune