К содержимому
Робототехника

r2s-baseline-robosimstudio

VLA-модели для робототехники в стиле RoboSimStudio

2 мин чтенияобновлено

Набор базовых моделей-учеников для экспериментов в робототехнике по схеме real-to-sim-to-real (перенос навыков из реального мира в симулятор и обратно). Автор rooty2020 воспроизвёл пайплайн метода RoboSimStudio внутри собственного фреймворка: сначала LLM-учитель генерирует и итеративно улучшает Python-программу планирования действий solve(view) -> Plan, а затем на её успешных демонстрациях обучаются VLA-политики (vision-language-action, модели, связывающие зрение, язык и действия робота) GR00T N1.5 (на базе nvidia/GR00T-N1.5-3B) и pi0.5 (openpi). В отличие от оригинального RoboSimStudio, здесь не используется среда исполнения GaP (graph-as-policy) — оцениваются сами обученные модели-ученики. Репозиторий пригодится исследователям робототехники для воспроизведения бейзлайнов и сравнения методов обучения манипуляторов.

Ключевые особенности

  • Две архитектуры учеников: для каждой задачи обучаются политики на базе nvidia/GR00T-N1.5-3B (learning rate 1e-4) и pi0.5 из openpi (learning rate 1e-5).
  • Генерация данных через LLM-учителя: по одной телеуправляемой демонстрации и калибровке камеры настраивается симулятор (3 варианта физики: tuned, low, high), после чего LLM-программа до 14 итераций дорабатывается на 90 сценах до порога успешности ≥ 95 %.
  • Единый бюджет обучения: для каждого ученика отбирается до 320 проверенных демонстраций, обучение идёт 30 000 шагов с batch size 64.
  • Пять тестовых задач: в таблице результатов представлены сценарии straw, banana_basket, chilgyo, towel и air_fryer.

Что можно сделать

  • Использовать готовые веса из папок /groot/model/ и /pi05/params/ как бейзлайн при сравнении своих алгоритмов real-to-sim-to-real.
  • Изучить файлы baseline.json и world_final.json внутри репозитория, чтобы посмотреть исходный код финальных программ учителя, параметры настройки симуляции и расходы на LLM.
  • Сравнить поведение GR00T N1.5 и pi0.5 на задачах с тремя вариантами физики в симуляторе.

Пример

В репозитории данные организованы по задачам и архитектурам в формате //. Например, для задачи banana_basket чекпоинт GR00T N1.5 лежит в banana_basket/groot/model/, конфигурация политики — в policy.json, итоговый код программы-учителя и логи обучения — в baseline.json, а метрики проверки — в папке eval/.

ПодробнееОценка (протокол sim2sim): 96 новых сцен (set D) в псевдо-мире, имитирующем реальность.
Результаты для banana_basket (GR00T N1.5, 30 000 шагов, 2.3 ч обучения): 91/96 (94.8 %) на set D, 1/16 (6.2 %) на валидационных стартах в псевдо-мире и 0/16 (0.0 %) в мире метода.
Статус задач: для banana_basket и chilgyo учитель прошёл порог (88/90 сцен), для air_fryer — 85/90 за 14 итераций, задачи straw и towel на момент публикации карточке находятся в процессе обучения.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.1 GB · готовые файлы8.3 GB
  • FP8 / INT8рекомендуемвеса 3.5 GB4.4 GB
  • 4-bitвеса 2.0 GB2.7 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 2060 · BF16 — от RTX 3080

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.

    # rooty2020/r2s-baseline-robosimstudio
    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 rooty2020/r2s-baseline-robosimstudio --local-dir ~/models/r2s-baseline-robosimstudio
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к r2s-baseline-robosimstudio
  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 r2s-baseline-robosimstudio — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

rooty2020/r2s-baseline-robosimstudio
Автор
rooty2020
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии