К содержимому
Робототехника

SemWAM-RoboTwin TwoStage v1.30

Stage2 Joint15k: чекпоинт робототехнической world-action модели

1 мин чтения

Опубликован чекпоинт RainyBot/SemWAM-RoboTwin-TwoStage-v1.30-Stage2-Joint15k для задачи robotics. Это world-action модель (WAM) на PyTorch, построенная вокруг Wan-AI/Wan2.2-TI2V-5B: видео-DiT на 30 слоёв, отдельный action-DiT и вспомогательные depth/semantic-потоки. Сохранён optimizer step 15000.

Ключевые особенности

  • Архитектура rgb_dep_sem: RGB, depth и semantic-представления; action conditioning через predicted_depth_head_semantic.
  • Видео-DiT: 30 слоёв, hidden 3072, 24 головы, patch size 1×2×2; MoE на 4 эксперта с shared expert в слоях 21/24/27, routing per_sample и dense_masked.
  • Action-DiT: 30 слоёв, hidden 1024, 24 головы, 14-мерные действия и proprio.
  • Semantic-поток на DINOv3 ViT-B/16 (768 признаков) со SVAE-сжатием до 48 каналов; depth — через VDA/UniDepth v2 и dvae.
  • Данные: clean-сцены RoboTwin, три камеры (high + left/right wrist), 33 кадра, видео 384×320, 14D state/action.

Пример

Сценарий из карточки: на вход подаются три вида RoboTwin — cam_high и два wrist-вида, 14-мерное состояние и окно на 33 кадра. Модель должна выдать 14-мерные действия; глубина и семантика используются как вспомогательные модальности. Готового кода запуска в карточке нет — это checkpoint для собственного пайплайна.

ПодробнееСохранённый optimizer step: 15000, снимок от 2026-11-06.
Данные: flexpi_robotwin, clean-сцены, 33 кадра, видео 384×320, action/state 14D.
Бенчмарков и требований к VRAM в карточке нет; это узкоспециализированный чекпоинт для RoboTwin.
Обсудить Telegram 0 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 14 GB · готовые файлы16 GB
  • FP8 / INT8рекомендуемвеса 6.8 GB8.0 GB
  • 4-bitвеса 3.8 GB4.7 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 3080 · 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-TwoStage-v1.30-Stage2-Joint15k
    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-TwoStage-v1.30-Stage2-Joint15k --local-dir ~/models/SemWAM-RoboTwin-TwoStage-v1.30-Stage2-Joint15k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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-TwoStage-v1.30-Stage2-Joint15k — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

RainyBot/SemWAM-RoboTwin-TwoStage-v1.30-Stage2-Joint15k
Автор
RainyBot
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии