К содержимому
Робототехника

Ishinca-4B-DART50

компактная VLA для автономного вождения

2 мин чтенияобновлено

Ishinca-4B-DART50 — исследовательская vision-language-action (VLA) модель для автономного вождения: по кадрам с четырёх камер и истории движения она предсказывает траекторию автомобиля и может пояснить решение текстом Chain-of-Causation. Это дистилляция NVIDIA Alpamayo 1.5 10B в 4,23B-модель; backbone инициализирован от Cosmos-Reason2-2B (архитектура Qwen3-VL-2B), а action expert обучен flow matching на действиях учителя. Вариант DART50 дополнительно отбрасывает 50% vision-токенов (1 440 вместо 2 880), снижая prefill/KV-затраты. Подойдёт для исследований дистилляции VLA, прунинга токенов и проверки в симуляторе AlpaSim, но не для реального автомобиля.

Ключевые особенности

  • Дистилляция из Alpamayo-1.5-10B в 4,23B; цели — текст CoC и траектории учителя, без ground-truth траекторий.
  • DART-прунинг vision-токенов с keep ratio 50%: 1 440 image tokens на сэмпл вместо 2 880.
  • На входе 4 камеры × 4 кадра 320×576, история ego за 16 шагов и опциональная nav-инструкция.
  • На выходе 64 waypoints на 10 Hz (6,4 с) в unicycle-пространстве ускорение/кривизна.
  • В eager PyTorch на RTX 3090 — около 8 GiB VRAM и 1,0–1,2 с на вызов.

Что можно сделать

  • Сравнить DART50, DART75 и версию без прунинга в open-loop и closed-loop экспериментах.
  • Прогнать инференс и оценку в AlpaSim на клипах PhysicalAI-AV по скриптам из репозитория.
  • Использовать как готовый пример дистилляции 10B VLA-учителя в компактную 4B-модель.
  • Проверить, как модель строит траекторию и Chain-of-Causation в разных сценах.

Пример

model = load_ishinca("./Ishinca-4B-DART50")
processor = get_processor(model)
data = load_clip("<clip-id>", t0_us=5_100_000)
inputs = build_model_inputs(model, processor, data["image_frames"], data["camera_indices"],
                            data["ego_history_xyz"], data["ego_history_rot"])
with torch.autocast("cuda", dtype=torch.bfloat16):
    xyz, rot, extra = model.sample_trajectories_from_data_with_vlm_rollout(
        data=inputs, top_p=0.98, temperature=0.6, return_extra=True)
ПодробнееOpen loop на 4 000 held-out сэмплов: ADE vs GT 1,972 м, minADE6@6,4 с — 1,003 м.
Closed loop AlpaSim: score 0,776, 37 неудачных роллаутов из 300.
Железо: ~8 GiB VRAM и 1,0–1,2 с на вызов на RTX 3090; ускорение DART проявляется в compiled/TensorRT, не в eager PyTorch.
Ограничения: research-модель, не safety-validated; оценки без навигации; DART50 даёт незначительный тренд к большему числу at-fault collisions.
Видео-пример
Обсудить Telegram 0 19

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.9 GB · готовые файлы9.2 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.8 GB
  • 4-bitвеса 2.2 GB2.9 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.

    # suukim/Ishinca-4B-DART50
    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 suukim/Ishinca-4B-DART50 --local-dir ~/models/Ishinca-4B-DART50
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Ishinca-4B-DART50
  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

nvidia/Cosmos-Reason2-2B
  1. Qwen3-VL-2B-Instructоснова семьи
  2. Cosmos-Reason2-2B
  3. Ishinca-4B-DART50

Новые посты про версии Qwen3-VL-2B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

suukim/Ishinca-4B-DART50
Автор
suukim
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

PI0.5 RTC

PI0.5 RTC