К содержимому
Робототехника

dp_pick_cube2

модель Diffusion Policy для робота-манипулятора

2 мин чтенияобновлено

Модель обучена с помощью фреймворка LeRobot для управления роботизированной рукой (тип робота so_follower) в задаче захвата черного куба. Она использует метод Diffusion Policy (подход, представляющий управление как генеративный диффузионный процесс), выдавая плавные многошаговые траектории действий для контактных манипуляций. На вход модель принимает состояние робота и изображения с двух камер (над роботом и на запястье), а на выходе выдает управляющие действия (action) размерности 6. Решение пригодится исследователям и инженерам, работающим с реальной робототехникой на базе библиотеки LeRobot.

Ключевые особенности

  • Работа с двумя камерами: вид сверху (overhead) и с запястья (wrist).
  • Архитектура Diffusion Policy для стабильного и плавного выполнения задач захвата.
  • Обучена на датасете из 51 эпизода (22 099 кадров при 30 FPS).
  • Полная интеграция с экосистемой LeRobot.

Что можно сделать

  • Запустить политику управления на реальном роботе so_follower для захвата предметов.
  • Протестировать инференс модели с помощью скрипта lerobot-rollout.
  • Дообучить или запустить тренировку собственной политики на базе этого сетапа.

Пример

Запуск политики на вашем роботе:

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=sudori0127/dp_pick_cube2 \
  --task="Grab the black cube" \
  --duration=60
ПодробнееЛицензия: apache-2.0
Параметры: 0.28B
Шаги обучения: 200 000, размер батча: 32, оптимизатор: adam, learning rate: 0.0001
Датасет: sudori0127/pick-cube2 (51 эпизод)
Обсудить Telegram 0 41

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.0 GB · готовые файлы1.6 GB
  • BF16веса 0.5 GB1.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.1 GB0.7 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 · 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.

    # sudori0127/dp_pick_cube2
    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 sudori0127/dp_pick_cube2 --local-dir ~/models/dp_pick_cube2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к dp_pick_cube2
  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 dp_pick_cube2 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

sudori0127/dp_pick_cube2
Автор
sudori0127
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

410

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии