К содержимому
Робототехника

PI0.5 YAM Gello Red Cap

адаптация робота без градиентного обучения

2 мин чтенияобновлено

Исследовательский чекпоинт модели PI05 (4.14 млрд параметров) от автора npow, настроенный под задачу манипуляции с красным колпачком на роботе YAM через стандартный API библиотеки LeRobot. На вход модель принимает текущее состояние 14 суставов и кадры с трёх RGB-камер, а на выходе генерирует последовательность из 50 целевых положений для манипуляторов и схватов. Вместо классического дообучения здесь применён метод weight-space programming (программное редактирование тензоров весов): часть весов зрения и нормализации перенесли из чекпоинта RoboCasa, масштабировали проекции экспертов и скорректировали эмбеддинги слов. Такой подход позволяет адаптировать базовую lerobot/pi05_base без затрат на градиентный спуск и пригодится исследователям робототехники и VLA-моделей.

Ключевые особенности

  • Полные объединённые веса PI05 в формате safetensors, совместимые со стандартным инференсом LeRobot (10 шагов flow-генерации).
  • Нулевое градиентное обучение: адаптация выполнена статической программой редактирования тензоров с использованием статистики демонстраций YAM.
  • Ошибка предсказания первых 10 действий снижена на 83,7% по сравнению с базовой pi05_base на 20 тестовых эпизодах.
  • Прилагаются JSON-отчёты с проверкой воспроизводимости весов (export_verification.json) и полной программой их правки.

Что можно сделать

  • Загрузить политику в среду LeRobot 0.4.4 для офлайн-оценки предсказания траекторий захвата красного колпачка и укладки его на чёрную коробку.
  • Использовать опубликованный файл weight_edit_program.json как шаблон для переноса весов между чекпоинтами PI05 под другие задачи манипуляции без файнтюнинга.

Пример

import torch
from lerobot.policies.pi05 import PI05Policy
from lerobot.policies.factory import make_pre_post_processors

repo = "npow/pi05-yam-gello-red-cap-wsp-standard-v1"
policy = PI05Policy.from_pretrained(repo).to("cuda").eval()
preprocess, postprocess = make_pre_post_processors(
    policy_cfg=policy.config, pretrained_path=repo,
)
ПодробнееМетрики (офлайн, 20 эпизодов): ошибка первых 10 шагов — 0.03414 (против 0.20908 у базы), ошибка всех 50 шагов — 0.19975 (против 0.45768 у базы), сбалансированная точность схвата — 92,91%.
Ограничения: модель проверена только офлайн; успешность выполнения задачи в симуляторе и на реальном роботе YAM не подтверждена.
Совместимость: протестировано на LeRobot 0.4.4; для бэкенда OpenPI потребуется конвертация в формат Orbax.
Лицензия: производная от Gemma (lerobot/pi05_base) и Apache-2.0 (донор pi05-robocasa-H50).
Обсудить Telegram 0 43

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.

    # npow/pi05-yam-gello-red-cap-wsp-standard-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 npow/pi05-yam-gello-red-cap-wsp-standard-v1 --local-dir ~/models/pi05-yam-gello-red-cap-wsp-standard-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pi05-yam-gello-red-cap-wsp-standard-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

Дообучение модели

lerobot/pi05_base
  1. paligemma-3b-pt-224основа семьи
  2. pi05_base
  3. pi05-yam-gello-red-cap-wsp-standard-v1

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

npow/pi05-yam-gello-red-cap-wsp-standard-v1
Автор
npow
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

430

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

Video LAM

Video LAM