К содержимому
Робототехника

xvla_rebot_merged_V3

политика управления роботом для сортировки предметов

2 мин чтенияобновлено

Модель представляет собой дообученную версию lerobot/xvla-base (0.88B параметров) в рамках фреймворка LeRobot. Это VLA-архитектура (Vision-Language-Action — модель, объединяющая зрение, язык и действия), которая получает изображение с трёх камер, текущее состояние манипулятора и текстовую команду, а на выходе выдаёт вектор действий. Политика обучена под робота rebot_b601_follower и решает задачи захвата и перекладывания конкретных предметов в корзину. Пригодится исследователям и разработчикам в области робототехники, работающим с экосистемой LeRobot и похожими манипуляторами.

Ключевые особенности

  • Работает с потоком изображений сразу с трёх камер: front_wide, gripper и high_oblique (разрешение 360×640, 30 FPS), а также с 7-мерным вектором состояния робота.
  • Основана на архитектуре X-VLA с использованием Soft Prompts и flow-matching, что позволяет адаптировать единую модель под конкретную кинематику и набор сенсоров.
  • Обучена на датасете RoboCrafty/rebot_sort_merged_V3, включающем 173 эпизода (более 104 тысяч кадров).
  • Готовый чекпоинт для инференса (шаг 20 000): включает веса, процессоры, статистики нормализации и токенизатор.

Что можно сделать

  • Запустить автономную сортировку объектов на роботе rebot_b601_follower по текстовым командам: сбор бутылок, полотенец или ключей в заданную корзину.
  • Использовать опубликованный чекпоинт в качестве стартовой точки для дообучения на собственных наборах данных через lerobot-train.

Пример

from lerobot.policies.xvla.modeling_xvla import XVLAPolicy

policy = XVLAPolicy.from_pretrained(
    "niru-5/xvla_rebot_merged_V3",
    revision="checkpoint-020000"
)
ПодробнееОбучение: 20 000 шагов на 2 GPU (BF16), глобальный размер батча 16, оптимизатор xvla-adamw (lr 0.0001).
Версия библиотеки: LeRobot 0.7.0, лицензия Apache-2.0.
Ограничения: результаты оценки на реальном роботе в карточке пока не приведены; состояния оптимизатора и планировщика не сохранены (чекпоинт предназначен для инференса).
Обсудить Telegram 0 12

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.

    # niru-5/xvla_rebot_merged_V3
    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 niru-5/xvla_rebot_merged_V3 --local-dir ~/models/xvla_rebot_merged_V3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к xvla_rebot_merged_V3
  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/xvla-base

Новые посты про версии xvla-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

niru-5/xvla_rebot_merged_V3
Автор
niru-5
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии