К содержимому
Другое

Flex'N Sense

RL-политики для роборуки в симуляторе Isaac Lab

3 мин чтенияобновлено

Команда Flex'N Sense опубликовала две политики обучения с подкреплением (reinforcement learning — метод, где агент учится методом проб и ошибок через систему наград), созданные на хакатоне Leukerbad Robotics Hackathon в ноябре 2026 года. Модели управляют симулированной роборукой NormaCore ElRobot и решают две задачи: удерживать пружинный динамометр с уступкой при превышении усилия в 1,96 Н и перевешивать его петлю с одного пальца на другой. Обучение проходило в среде NVIDIA Isaac Sim 6.2 и Isaac Lab с помощью алгоритма PPO из библиотеки rsl_rl. В отличие от моделей, обученных на записях реальных роботов, эти политики тренировались исключительно в параллельной симуляции на 4 096 виртуальных манипуляторах. Релиз пригодится разработчикам и исследователям робототехники как готовый референс задач манипуляции и симуляционных сред.

Ключевые особенности

  • Две отдельные политики под разные сценарии: pull_v1 (удержание и податливость при натяжении) и move_v1 (захват, перенос и надевание петли на соседний палец).
  • Готовые форматы для инференса и дообучения: в каждой папке лежат policy.onnx, policy.pt (TorchScript), checkpoint.pt, настройки params/ и метрики summary.json.
  • В комплекте репозитория также доступны исходные задачи и скрипты для Isaac Lab (code/) и видеозаписи процесса обучения от 1 до 1 024 манипуляторов (media/).
  • Строго симуляционная демонстрация: политики не запускались на реальном железе и не предназначены для управления роботами рядом с людьми.

Что можно сделать

  • Запустить готовые ONNX- или TorchScript-веса в NVIDIA Isaac Sim 6.2 / Isaac Lab для воспроизведения сценариев силового удержания и перехвата объектов.
  • Использовать чекпоинты checkpoint.pt и конфигурации из params/ как базу для дообучения под собственные параметры сервоприводов или новые правила наград.
  • Изучить скрипты из папки code/ в качестве шаблона для настройки параллельного обучения (4 096 сред) на базе URDF-модели NormaCore ElRobot.

Пример

Вход и выход политик в симуляции:
• pull_v1 принимает вектор из 29 чисел (углы и скорости суставов, расстояния до целей, текущее и предыдущее значение силы, смещение схвата и прошлое действие) и выдаёт 5 чисел — поправки к целевым позициям моторов 1, 2, 3, 4 и 6.
• move_v1 принимает 44 числа (состояние суставов, положение и ориентация схвата, координаты точки захвата, петли и целевого пальца, флаги удержания) и возвращает 6 чисел — команды для тех же пяти моторов плюс открытие/закрытие захвата.

ПодробнееЗамеры на 1 024 симулируемых манипуляторах: для pull_v1 средняя пиковая сила составила 1,60 Н (против 3,61 Н при неподвижной руке), а превышение порога 1,96 Н более чем на 10 % произошло лишь в 1,1 % случаев (против 85 %).
Политика move_v1 надевает петлю в пределах 8 мм от целевого пальца в 100 % попыток без падений и столкновений (0 % / 0 %) со средним временем 0,40 с на полной скорости моторов.
Обучение проводилось на одной видеокарте NVIDIA RTX PRO 6000 (4 096 параллельных сред): 7,7 минуты (59 млн шагов) для Pull и около 80 минут (470 млн шагов) для Move.
В симуляции приняты расчётные параметры жёсткости и демпфирования сервоприводов (40 Н·м/рад и 2 Н·м·с/рад), а также зашумлённое считывание силы и точные координаты объектов.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # peresjav/flexnsense-sim-policies
    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 peresjav/flexnsense-sim-policies --local-dir ~/models/flexnsense-sim-policies
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к flexnsense-sim-policies
  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 flexnsense-sim-policies — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

peresjav/flexnsense-sim-policies
Автор
peresjav
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии