К содержимому
Робототехника

SemWAM-RoboTwin-NoSemantic-v1

модель мира для робототехники

2 мин чтенияобновлено

Финальный чекпоинт модели SemWAM, обученный для задач робототехники в среде RoboTwin. Модель работает с двумя потоками данных об окружающем мире (world streams): RGB и картой глубины (depth), при этом поток семантической информации в этой версии отключён. Обуславливание действий (action conditioning) опирается на данные о глубине, а RGB-поток используется как вспомогательная цель моделирования. Решение пригодится исследователям и разработчикам в области робототехники, работающим с world-моделями и симуляторами.

Ключевые особенности

  • Два визуальных потока: использует RGB-изображения и карты глубины без семантического канала.
  • Опора на глубину: генерация и привязка действий робота считывают данные из потока глубины, оставляя RGB вспомогательной задачей.
  • Полный комплект для запуска: в репозиторий включены веса в формате v2, восстановленный конфиг config.yaml, контракт инференса inference_config.json и статистики нормализации dataset_stats.json.
  • Проверка целостности: тензоры, статистика и контрольные суммы SHA256 проверены перед публикацией.

Что можно сделать

  • Использовать чекпоинт в экспериментах по планированию действий и управлению роботами в симуляторе RoboTwin.
  • Провести абляционное сравнение (ablation study), чтобы оценить вклад семантического потока по сравнению с конфигурацией, опирающейся только на глубину и RGB.

Пример

Для запуска инференса необходимо сначала восстановить сохранённый контракт модели из inference_config.json (или config.yaml), загрузить веса checkpoints/weights/step_021475.pt и применить статистики нормализации действий и состояний из dataset_stats.json с сохранением исходной геометрии камер.

ПодробнееОбучение: 5 эпох, 21 475 шагов оптимизатора на 8 узлах.
Веса: checkpoints/weights/step_021475.pt (формат v2).
Ограничения: публикация не гарантирует показатели в замкнутых бенчмарках (closed-loop); состояния оптимизатора и RNG исключены.
Требования: при запуске нужно использовать внешние замороженные ассеты, хеши которых указаны в checkpoint_manifest.json.
Обсудить Telegram 0 6

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 13 GB · готовые файлы15 GB
  • FP8 / INT8рекомендуемвеса 6.7 GB7.8 GB
  • 4-bitвеса 3.8 GB4.6 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 5060 Ti 8GB · BF16 — от RTX 5080

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.

    # RainyBot/SemWAM-RoboTwin-NoSemantic-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 RainyBot/SemWAM-RoboTwin-NoSemantic-v1 --local-dir ~/models/SemWAM-RoboTwin-NoSemantic-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к SemWAM-RoboTwin-NoSemantic-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

Новые посты про версии SemWAM-RoboTwin-NoSemantic-v1 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

RainyBot/SemWAM-RoboTwin-NoSemantic-v1
Автор
RainyBot
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

60

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии