К содержимому
Робототехника

Qwen3.5-4B-SFT400-LIBERO

мультимодальный планировщик для робототехники

2 мин чтенияобновлено

Это полноразмерная мультимодальная модель весом 4.66B параметров, дообученная для планирования действий роботов в симуляторе LIBERO. Она создана автором Rodriguez10 на основе постобученной Qwen/Qwen3.5-4B методом SFT (дообучение с учителем на готовых примерах) на успешных траекториях более крупной модели-агента Qwen3.6-27B. Сама модель выступает высокоуровневым планировщиком: она анализирует изображения и историю взаимодействия, вызывая внешние инструменты, а не управляет моторами напрямую. Пригодится исследователям и разработчикам мультимодальных агентов для робототехники.

Ключевые особенности

  • Полноценные веса для инференса (не LoRA-адаптер), в комплект входят токенизатор, конфигурация процессора и шаблон чата.
  • Обучена на 25 600 шагах проверенных траекторий из бенчмарка LIBERO130 с сохранением изображений, вызовов инструментов и обращений к памяти.
  • Работает в связке с агентным циклом harness2model VERL, моделями Pi0.5, SAM3, симулятором и внешней памятью.
  • Является промежуточным чекпоинтом (обновление 400), а не финальной версией обучения.

Что можно сделать

  • Интегрировать в агентный цикл harness2model VERL в паре с Pi0.5 и SAM3 для решения задач манипуляции в симуляторе LIBERO.
  • Использовать как компактный 4.66B-планировщик, дистиллированный из траекторий Qwen3.6-27B, в экспериментах с мультимодальными робототехническими агентами.

Пример

Модель загружается через библиотеку transformers с поддержкой архитектуры Qwen3_5ForConditionalGeneration. На вход подаются визуальные наблюдения из симулятора, история диалога и доступные инструменты (например, сегментация через SAM3 и низкоуровневое управление через Pi0.5), а на выходе модель формирует следующий шаг планирования или вызов функции в рамках эпизода LIBERO.

ПодробнееБенчмарк LIBERO-Pro (80 задач × 10 сидов): 459 из 800 успешных выполнений (57.375%) при использовании памяти GPT-5.5 Pro.
В архиве находятся только веса для инференса (без состояний оптимизатора и планировщика), а внешние модели памяти и исполнения не включены.
Для воспроизведения метрик на LIBERO-Pro нельзя заменять оценочную память на тренировочную память LIBERO.
Обсудить Telegram 0 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.7 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.3 GB5.3 GB
  • 4-bitвеса 2.4 GB3.2 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 2080 Ti

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.

    # Rodriguez10/Qwen3.5-4B-SFT400-LIBERO
    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 Rodriguez10/Qwen3.5-4B-SFT400-LIBERO --local-dir ~/models/Qwen3.5-4B-SFT400-LIBERO
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-4B-SFT400-LIBERO
  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

Дообучение модели

Qwen/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Qwen3.5-4B-SFT400-LIBERO

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

Rodriguez10/Qwen3.5-4B-SFT400-LIBERO
Автор
Rodriguez10
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