К содержимому
Робототехника

handoff

гибридный пайплайн захвата прозрачных объектов для робота Franka Panda

3 мин чтенияобновлено

Набор весов от пользователя skkyshine для выполнения задачи «перехвата» (hand-off relay) на реальном манипуляторе Franka Panda: робот должен взять прозрачный стакан и поставить его на жёлтый лист. Вместо того чтобы полагаться только на нейросеть на всём пути, система делит задачу на два этапа. Сначала модель предсказания точек подхода (на базе ансамблей conditional flow matching) по одному RGB-D кадру определяет, где должна оказаться клешня за 4–12 см до контакта с объектом. Туда манипулятор переводится обычным скриптом, а финальный контакт и манипуляцию берёт на себя дообученная end-to-end VLA-политика (Vision-Language-Action) pi0.5 с LoRA-адаптером (небольшой надстройкой над базовой моделью). Решение пригодится исследователям в области робототехники, работающим с прозрачными предметами и гибридным управлением.

Ключевые особенности

  • Три варианта моделей подхода: по 52 МБ каждая, обучались под боковую камеру Intel RealSense D455 (рекомендуемая), фронтальную D435i или обе сразу.
  • Ансамбли flow matching: каждая модель подхода состоит из 10 нейросетей на PyTorch (800 эпох), которые по облаку точек и силуэту объекта (найденным через Grounding DINO и SAM 2.1) строят 64 сэмпла и выбирают плотнейшую моду с минимальным поворотом запястья.
  • Чекпоинт pi0.5 (6 ГБ): LoRA-файнтюн на обе башни Gemma (горизонт действий — 10 шагов), обученный на 2053 кадрах (10 телеуправляемых демонстраций).
  • Точность предсказаний: медианная ошибка позиции за 4 см до контакта составляет 3.4 см (для камеры D455), а ошибка ориентации — от 1 до 5 градусов.

Что можно сделать

  • Развернуть на стенде с Franka Panda: использовать весовые файлы в связке с репозиторием развёртывания vla_panda_project для отработки захвата прозрачной посуды и перекладывания мелких предметов (в данных также есть степлер и маркер).
  • Сравнить конфигурацию камер: протестировать разницу между фронтальной и боковой камерами глубины при построении точек подхода по облаку точек.
  • Использовать как базу для своих задач: адаптировать двухэтапную схему (скриптовый подвод по flow-matching + доводка через pi0.5) под новые объекты на рабочем столе.

Пример

Для работы финальной политики pi0.5 (шаг 2999) на вход подаются обрезанный кадр с фронтальной камеры D435i, изображение с камеры на запястье, вектор состояния манипулятора [x y z qx qy qz qw width] и текстовый промпт: pick the transparent cup and put it completely on the yellow plane. На выходе модель генерирует чанк из 10 действий (дельты координат и вращения в базовой системе координат плюс команда закрытия схвата).

Подробнее На обучающих кадрах pi0.5 предсказанный 1-секундный отрезок траектории заканчивается в 3.6 мм от записанного, а команда схвата совпадает в 99.7% шагов.
Важное ограничение: ни одна из моделей ещё не запускалась на реальном роботе — все метрики получены на офлайн-данных.
Модели подхода привязаны к конкретному расположению камер из обучающих записей, а детектор работает только в области рабочего стола.
Код для запуска и сервер в репозитории отсутствуют; на веса pi0.5 распространяются условия лицензии Gemma Terms of Use.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 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 · BF16 — 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.

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

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

О модели

skkyshine/handoff
Автор
skkyshine
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

Робототехника

pi0.5_rebot6

pi0.5_rebot6