К содержимому
Другое

Microduck Spin

экспериментальная политика быстрого вращения для робота в симуляторе

2 мин чтенияобновлено

Это экспериментальная политика управления для симуляции двуногого робота Microduck (на базе кода Pollen Robotics microduck_rl), которая заставляет его быстро крутиться на месте. Модель обучена методом RL (обучение с подкреплением) с помощью алгоритма PPO (20 000 обновлений) поверх базовой политики ходьбы. Изначально автор пытался научить робота «гусиному шагу», но вместо этого получился устойчивый в симуляторе навык вращения, который решили сохранить как отдельный эксперимент. Подойдёт исследователям и энтузиастам робототехники для локальных тестов в симуляторе MuJoCo.

Ключевые особенности

  • Побочный эффект обучения: модель сохранена с чекпоинта model_19999.pt и превращает попытку обучения шагу в быстрое вращение (~25 оборотов за 30 секунд).
  • Готовый формат ONNX: веса экспортированы в policy.onnx со встроенной нормализацией наблюдений (вход [1,61], выход [1,14] под 14 сервоприводов XL330 на частоте 50 Гц).
  • Учёт задержки актуаторов: для стабильной работы в локальной симуляции требуется внешняя задержка в один шаг управления (--delay 1, то есть 20 мс).
  • Только для симуляции: безопасная остановка, подъём после падения и запуск на физическом роботе не проверялись — заменять ею штатную политику ходьбы нельзя.

Что можно сделать

  • Запустить воспроизводимую 30-секундную симуляцию вращения робота Microduck на Mac в связке MuJoCo и ONNX Runtime через готовый скрипт run_local.py.
  • Изучить влияние задержек управления (BAM delay) и небольшого дрейфа центра масс на устойчивость динамических RL-политик в среде microduck_rl.

Пример

REPO="/absolute/path/to/microduck_rl"
MODEL_DIR="/absolute/path/to/downloaded/microduck-spin"
python3 "$MODEL_DIR/run_local.py" --repo "$REPO"
ПодробнееТесты на CPU (MuJoCo 3.10.0, ONNX Runtime 1.24.4, 5 сидов по 30 с): 0 падений, 24.76–25.18 оборота по рысканию, максимальное смещение по XY — от 0.137 до 0.201 м.
Точность экспорта ONNX: максимальное отклонение от PyTorch-актора составило 9.54e-7 на 66 тестовых векторах.
Ограничения: в пакете нет 3D-мешей робота (нужен настроенный локальный репозиторий microduck_rl на Python 3.12), лицензия на исходные веса ходьбы не определена.
Обсудить Telegram 1 2

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.

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

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

О модели

Swenlon/microduck-spin
Автор
Swenlon
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

21

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

microduck-skill-agent

microduck-skill-agent