К содержимому
Робототехника

track_v3_dual-image

политика вождения для мини-болида F1TENTH

2 мин чтенияобновлено

Модель представляет собой обученную политику управления для автономного мини-робота платформы f1tenth. Она принимает изображение сразу с двух бортовых камер (camera1 и camera2) и текущее состояние машины, а на выходе выдает команды движения для прохождения кругов по треку по часовой и против часовой стрелки. В основе лежит компактная VLA-модель (Vision-Language-Action — нейросеть, связывающая зрение, текстовые команды и физические действия) lerobot/smolvla_base размером 0.45B параметров от автора Szymon-Ilnicki. В отличие от базовой модели, эта версия дообучена под конкретную задачу автономной езды с двумя видеопотоками с помощью фреймворка LeRobot. Пригодится разработчикам и энтузиастам робототехники, работающим с платформой F1TENTH или создающим собственные политики визуальной навигации на базе SmolVLA.

Ключевые особенности

  • Двухкамерное зрение: анализирует два видеопотока с разрешением 424×240 пикселей (camera1 и camera2) вместе с вектором состояния робота размерности 2.
  • Движение в обе стороны: обучена выполнять текстовые команды для прохождения кругов по треку как по часовой стрелке, так и против нее.
  • Компактный размер: база SmolVLA на 0.45B параметров рассчитана на запуск на потребительском железе без тяжелых серверных ускорителей.
  • Интеграция с LeRobot: полностью совместима со стандартным пайплайном lerobot-rollout для быстрого развертывания на реальном роботе.

Что можно сделать

  • Запустить автономное прохождение кругов на реальном шасси f1tenth, подключив две камеры и указав направление движения в текстовом промпте.
  • Использовать чекпоинт как готовую отправную точку для дообучения под собственную трассу или конфигурацию камер через lerobot-train.
  • Изучить работу мультимодальных политик SmolVLA на практике в задачах визуального управления транспортом.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=f1tenth \
  --robot.port= \
  --robot.cameras="{ camera1: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, camera2: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=Szymon-Ilnicki/track_v3_dual-image \
  --task="complete laps around the track anticlockwise" \
  --duration=60
ПодробнееОбучение: 20 000 шагов (batch size 8, lr 0.0001, оптимизатор adamw) на датасете local/track_v3 из 12 эпизодов (4870 кадров при 10 FPS).
Версия фреймворка: LeRobot 0.7.0, лицензия Apache 2.0.
Ограничения: результаты тестирования на реальном роботе в карточке пока не приведены; названия камер при запуске должны строго совпадать с ключами из обучения.
Обсудить Telegram 0 27

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.1 GB · готовые файлы1.7 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 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.

    # Szymon-Ilnicki/track_v3_dual-image
    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 Szymon-Ilnicki/track_v3_dual-image --local-dir ~/models/track_v3_dual-image
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к track_v3_dual-image
  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

lerobot/smolvla_base
  1. SmolLM2-360Mоснова семьи
  2. SmolLM2-360M-Instruct
  3. SmolVLM-500M-Instruct
  4. SmolVLM2-500M-Video-Instruct
  5. smolvla_base
  6. track_v3_dual-image

Новые посты про версии SmolLM2-360M — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

Szymon-Ilnicki/track_v3_dual-image
Автор
Szymon-Ilnicki
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии