К содержимому
Робототехника

act_pickandplace_cube

политика управления роботом для перекладывания кубика

2 мин чтенияобновлено

Модель представляет собой политику имитационного обучения для робототехники, которая управляет манипулятором при захвате и перемещении красного кубика (задача «Red block pickup and place»). В основе лежит архитектура Action Chunking with Transformers (ACT — метод, который предсказывает сразу короткие последовательности действий вместо одиночных шагов, обучаясь на данных телеуправления). Политика обучена пользователем Rlayd36 с помощью библиотеки LeRobot и рассчитана на робота типа so_follower с двумя камерами. Подойдёт разработчикам и энтузиастам робототехники, работающим с платформой LeRobot и манипуляторами SO-100/SO-101 (so_follower) для тестирования или дообучения задач захвата объектов.

Ключевые особенности

  • Архитектура ACT: модель объёмом 0.05B параметров предсказывает последовательности из 6-мерных векторов действий (action).
  • Мультимодальный ввод: принимает текущее состояние робота (6 параметров observation.state) и видеопоток 640×480 с двух камер — верхней (overhead) и на запястье (wrist).
  • Обучена на реальных демонстрациях: тренировка прошла на открытом датасете Rlayd36/pick-cube_20261113_161307, состоящем из 60 эпизодов (32 476 кадров при 30 FPS).
  • Открытая лицензия: распространяется под лицензией Apache 2.0 для свободного использования и модификации.

Что можно сделать

  • Запустить на совместимом железе: развернуть готовую политику на физическом манипуляторе so_follower с двумя подключёнными камерами для автоматического перекладывания красного блока.
  • Использовать как отправную точку: взять конфигурацию обучения и открытый датасет автора в качестве базового пайплайна для тренировки собственных навыков в LeRobot.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ overhead: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=Rlayd36/act_pickandplace_cube \
  --task="Red block pickup and place" \
  --duration=60
Подробнее Параметры обучения: 100 000 шагов, batch size 8, оптимизатор AdamW (learning rate 1e-05), seed 1000, версия LeRobot 0.6.0.
Ограничения: результаты замеров точности (evaluation) на реальном роботе в карточке пока не представлены.
Требования: для запуска инференса на роботе требуются две камеры с разрешением 640×480 и частотой 30 FPS, имена которых соответствуют ключам overhead и wrist.
Обсудить Telegram 0 30

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.2 GB · готовые файлы0.7 GB
  • BF16веса 0.1 GB0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 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 · F32 — 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.

    # Rlayd36/act_pickandplace_cube
    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 Rlayd36/act_pickandplace_cube --local-dir ~/models/act_pickandplace_cube
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_pickandplace_cube
  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 act_pickandplace_cube — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Rlayd36/act_pickandplace_cube
Автор
Rlayd36
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

300

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

dit_block_2

dit_block_2