К содержимому
Робототехника

OpenWAM IDM CF64k

управление роботом из воображаемого будущего

2 мин чтенияобновлено

OpenWAM IDM CF64k — компонент системы управления роботом: по текущим кадрам с agent- и wrist-камер, данным проприоцепции и короткому «будущему» видео он предсказывает команды для конечного эффектора и захвата. Сам по себе он не генерирует видео, а превращает представленное движение в действия; в паре с video predictor получается video-to-action pipeline. Чекпоинт дообучен на 100% counterfactual данных коллекции LIBERO-Long (LIBERO-10) CF64k поверх robot-video-pretrained backbone OpenWAM, 20 000 шагов. Это вариант без демонстраций в post-training; для смешанного варианта есть Mixed CF64k. Пригодится исследователям робототехники и тем, кто собирает управление по видео.

Ключевые особенности

  • На входе — текущие виды камер, proprioception и латенты короткого будущего видео.
  • На выходе — delta-команды end-effector и команды gripper; task-language conditioning и прошлые действия не нужны.
  • Замороженный IDM можно сочетать с task-adapted video predictors без переобучения action-компонента.
  • Обучение IDM post-training — полностью на counterfactual примерах: разные последовательности действий из общих стартовых состояний.
  • В релизе есть веса и inference-конфигурация, запуск — через OpenWAM video-to-action pipeline.

Что можно сделать

  • Соединить чекпоинт с video predictor OpenWAM и собрать video-to-action пайплайн для LIBERO.
  • Оставить IDM замороженным и подменять video predictor под новые задачи, не трогая action-компонент.
  • Использовать как готовый блок предсказания действий в исследованиях управления роботом по видео.
  • Сравнить с OpenWAM IDM Mixed CF64k, чтобы оценить эффект обучения только на counterfactual данных.

Пример

Сценарий из карточки: подайте на вход текущие виды agent- и wrist-камер, proprioception и латенты короткого будущего видео — на выходе получите delta-команды end-effector и gripper. Запуск идёт через OpenWAM video-to-action pipeline; веса и inference-конфиг уже включены в релиз.

ПодробнееLIBERO-10: 93.8% успеха на 500 эпизодах (469/500 у video predictor VTA step-9700).
Перенос на 4 задачи LIBERO-90: 93.5% в среднем, по 50 эпизодов на задачу.
IDM заморожен; нужен отдельный video predictor, язык задачи и прошлые действия не используются.
20 000 шагов post-training на 100% counterfactual данных; лицензия AGPL-3.0-only.
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 29 GB · готовые файлы32 GB
  • FP8 / INT8рекомендуемвеса 14 GB16 GB
  • 4-bitвеса 8.0 GB9.3 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 4090 · BF16 — от RTX 5090

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.

    # OpenWAM-Stanford/OpenWAM-IDM-CF64k
    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 OpenWAM-Stanford/OpenWAM-IDM-CF64k --local-dir ~/models/OpenWAM-IDM-CF64k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к OpenWAM-IDM-CF64k
  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 OpenWAM-IDM-CF64k — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

OpenWAM-Stanford/OpenWAM-IDM-CF64k
Автор
OpenWAM-Stanford
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии