К содержимому
Робототехника

napalna/coarse-vla-pi05-assembly-10k

Файнтуз робототехнической модели π0.5 для сборки деталей в симуляции

1 мин чтенияобновлено

Модель представляет собой промежуточный чекпоинт на 10k шагов в рамках проекта coarse-vla, обученный на базе lerobot/pi05_base. Она решает задачу управления манипулятором UR10e с захватом Robotiq 2F-85 для точной вставки четырёх фигурных штырей в доску в симуляторе MuJoCo. На выходе модель обеспечивает захват и перенос деталей, а для финальной вставки используется отдельный RL-агент. Релиз пригодится исследователям в области робототехники и симуляции манипуляторов с использованием библиотеки LeRobot.

Ключевые особенности

  • Базовая модель lerobot/pi05_base (LeRobot 0.6.1) с EMA-весами в fp32
  • Обучение на 400 демонстрациях (358k кадров, 20 Hz) с двумя камерами 224×224
  • Полноценный файнтюн с постоянным learning rate 5e-5 после 1k шагов разогрева
  • Использование дельта-действий относительно TCP-позы с горизонтом 10 на частоте 20 Hz

Что можно сделать

  • Применить модель в симуляции MuJoCo для задач захвата и переноса фигурных штырей
  • Протестировать совместную работу π0.5 с RL-актером для точной вставки деталей
  • Интегрировать пользовательский класс политики pi05_delta для работы с дельта-действиями

Пример

Для загрузки и использования модели требуется подключить специализированный класс политики из репозитория проекта coarse-vla и использовать стандартную структуру pretrained_model библиотеки LeRobot.

ПодробнееБенчмарки: π0.5 отдельно — 9% вставок первой детали, 0% всех четырех; в связке с RL-актером — 88% и 56% соответственно
Ограничения: только симуляция MuJoCo, реальные роботы не тестировались
Данные обучения: 400 скриптовых демонстраций, батч 32, AdamW, bf16 autocast
Обсудить Telegram 0 17

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 15 GB · готовые файлы17 GB
  • BF16веса 7.7 GB9.0 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 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 · F32 — от RTX 4090

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.

    # napalna/coarse-vla-pi05-assembly-10k
    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 napalna/coarse-vla-pi05-assembly-10k --local-dir ~/models/coarse-vla-pi05-assembly-10k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к coarse-vla-pi05-assembly-10k
  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

lerobot/pi05_base
  1. paligemma-3b-pt-224основа семьи
  2. pi05_base
  3. coarse-vla-pi05-assembly-10k

Новые посты про версии paligemma-3b-pt-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

napalna/coarse-vla-pi05-assembly-10k
Автор
napalna
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

WeaveMem YAM 10K

WeaveMem YAM 10K
Робототехника

lewam_jepa_pusht

lewam_jepa_pusht