К содержимому
Робототехника

PerceptronAI/Isaac-0.5-YAM

политика для двуручных роботов

1 мин чтения

Новая модель представляет собой дообученную версию Isaac 0.5 на двуручных демонстрациях YAM из xDoF ABC и MolmoAct2. Политика принимает на вход изображения с трёх RGB-камер, текстовую инструкцию и текущее состояние манипуляторов, после чего прогнозирует целевые значения суставов и захватов для обеих рук. Чекпоинт сохранён после 200 тысяч шагов файнтюна на 32 GPU. Модель предназначена для разработчиков и исследователей в области робототехники, работающих с библиотекой lerobot.

Ключевые особенности

  • Дообучено на двуручных демонстрациях YAM (xDoF ABC и MolmoAct2).
  • Анализирует три RGB-ракурса (общий вид и две камеры на запястьях).
  • Прогнозирует абсолютные целевые значения суставов и грипперов для обеих рук.
  • Выдаёт чанк действий размером 60 на 14 для каждого наблюдения.

Что можно сделать

  • Запустить инференс политики на собственных или записанных наблюдениях с помощью Python.
  • Дообучить модель на пользовательском датасете LeRobot с использованием двух GPU и CPU offload.
  • Интегрировать модель в проекты по управлению роботехническими двуручными манипуляторами.

Пример

import json
from pathlib import Path
import torch
from lerobot.policies.factory import make_pre_post_processors
from lerobot.policies.perceptron_isaac import PerceptronIsaacPolicy
from torchvision.io import decode_image

snapshot = Path("./Isaac-0.5-YAM")
assets = snapshot / "assets"
sample = json.loads((assets / "sample_observation.json").read_text())
ПодробнееБерёт три RGB-камеры, состояние рук и задачу
Выдаёт чанк действий 60 × 14
Обучение на 32 GPU, глобальный батч 256 последовательностей
Примеры
Обсудить Telegram 1 2

Запустится ли?

Только с выгрузкой в ОЗУ

Даже 4-bit больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • BF16веса 133 GB · готовые файлы147 GB
  • FP8 / INT8рекомендуемвеса 67 GB74 GB
  • 4-bitвеса 37 GB42 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: В домашние видеокарты не поместится — выгоднее арендовать.

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.

    # PerceptronAI/Isaac-0.5-YAM
    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 PerceptronAI/Isaac-0.5-YAM --local-dir ~/models/Isaac-0.5-YAM
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Isaac-0.5-YAM
  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 Isaac-0.5-YAM — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

PerceptronAI/Isaac-0.5-YAM
Автор
PerceptronAI
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

21

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии