К содержимому
Робототехника

LangGap InternW0-Delta with LDS

политика для робототехнических задач на базе InternRobotics

1 мин чтенияобновлено

Модель представляет собой чекпоинт обученной политики для робототехники, созданный с использованием метода Linear Decodability Supervision (контроль линейной декодируемости) на 1469 шаге. Она обучена на всех доступных сценах локализации и предназначена для использования в связке с нативным рантаймом InternW0-Delta LIBERO. Релиз включает веса модели, статистику датасета и конфигурационные файлы для развертывания. Модель пригодится исследователям и разработчикам в области робототехники и манипуляционного управления.

Ключевые особенности

  • Использование подхода Linear Decodability Supervision для обучения политики управления
  • Обучение на полном наборе сцен локализации без разделения на отложенные выборки
  • Полная совместимость с экосистемой и рантаймом InternRobotics InternW0-Delta LIBERO
  • Наличие всех необходимых конфигурационных файлов и статистики датасета для запуска

Что можно сделать

  • Запустить оценку политики управления в среде LIBERO с использованием файла internw0_delta_libero.pt
  • Интегрировать веса в пайплайн обработки данных и симуляции робототехнических задач
  • Настроить конфигурацию с помощью прилагающегося файла native_config.yaml и локальных ассетов
  • Проверить целостность загруженных файлов с помощью чексумм SHA256

Пример

Для запуска модели загрузите чекпоинт internw0_delta_libero.pt в апстрим-рантайме InternW0-Delta LIBERO, используя прилагающиеся dataset_stats.json и native_config.yaml.

ПодробнееБазовая модель: InternRobotics/InternW0-Delta-Libero
Задача: робототехника (robotics)
Замороженные компоненты: Wan-AI/Wan2.2-TI2V-5B и Alibaba-DAMO-Academy/RynnBrain1.1-2B
Вспомогательные головы LDS отбрасываются на этапе инференса
Релиз содержит веса, параметры инференса и конфиги без состояния оптимизатора
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 12 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.8 GB6.9 GB
  • 4-bitвеса 3.3 GB4.1 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.

    # RuFlect/LangGap-InternW0-Delta-LDS
    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 RuFlect/LangGap-InternW0-Delta-LDS --local-dir ~/models/LangGap-InternW0-Delta-LDS
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LangGap-InternW0-Delta-LDS
  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

InternRobotics/InternW0-Delta-Libero

Новые посты про версии InternW0-Delta-Libero — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 2Все на Hugging Face

О модели

RuFlect/LangGap-InternW0-Delta-LDS
Автор
RuFlect
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