К содержимому
Робототехника

act_open_box

робототехническая политика для открытия крышки коробки

2 мин чтения

Модель представляет собой обученную политику управления для роботов (в частности, для конфигурации so_follower), которая решает задачу открытия крышки коробки. В основе лежит подход ACT (Action Chunking with Transformers — метод имитационного обучения, предсказывающий короткие последовательности действий вместо отдельных шагов) и библиотека LeRobot. Модель создана на основе датасета с демонстрациями телеоперации и выдает управляющие действия на основе состояния робота и изображений с двух камер (на запястье и сверху). Она пригодится исследователям и разработчикам, работающим с реальной робототехникой на базе библиотеки LeRobot.

Ключевые особенности

  • Обучена с использованием метода ACT на основе Transformers для предсказания последовательностей действий
  • Использует визуальные наблюдения с двух камер: на запястье (wrist) и общего вида сверху (top)
  • Совместима с робототехнической конфигурацией so_follower через фреймворк LeRobot
  • Обучена на специализированном датасете демонстраций открытия крышки коробки (open_box)

Что можно сделать

  • Запустить готовую политику на совместимом роботе для автоматического выполнения задачи открытия коробки
  • Использовать конфигурацию и датасет для дообучения собственных робототехнических моделей в экосистеме LeRobot

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port= \
  --robot.cameras="{ : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}, : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=Sergio23g/act_open_box \
  --task="Open the box lid" \
  --duration=60
ПодробнееДатасет: Sergio23g/open_box (10 эпизодов, 4116 кадров при 30 FPS)
Параметры обучения: 10 000 шагов, размер батча 8, оптимизатор adamw, learning rate 1e-05
Входные данные: состояние (размерность 6) и изображения с двух камер (3, 480, 640)
Выходные данные: управляющие действия (размерность 6)
Обсудить Telegram 0 22

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.

    # Sergio23g/act_open_box
    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 Sergio23g/act_open_box --local-dir ~/models/act_open_box
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к act_open_box
  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_open_box — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Sergio23g/act_open_box
Автор
Sergio23g
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

DynamicVLA-LIBERO

DynamicVLA-LIBERO