К содержимому
Робототехника

sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0

робот учится выбрасывать банку в мусор

2 мин чтенияобновлено

Модель представляет собой политику управления роботом, которая по картинке с камер и текстовой команде решает конкретную бытовую задачу — взять банку из-под томатов и выбросить её в мусорное ведро («Throw the tomato can into the trash bin»). Она создана командой team-sobits путём дообучения базовой VLA-модели (Vision-Language-Action — нейросеть, объединяющая зрение, язык и действия) lerobot/pi0_base от Physical Intelligence в среде LeRobot. На выходе политика формирует вектор действий длиной 20 значений для мобильного манипулятора (mobile_manipulator) на основе состояния робота и видеопотока с двух камер. Модель пригодится разработчикам и исследователям в области робототехники, работающим с симуляцией домашней среды SOBIT и фреймворком LeRobot.

Ключевые особенности

  • Двухкамерное восприятие: анализирует изображения с головной камеры (head_camera, 480×640) и камеры на левой руке манипулятора (hand_left_camera, 400×640).
  • 20-мерное управление: принимает вектор состояния робота observation.state размером (20,) и предсказывает непрерывное действие action такой же размерности.
  • Обучение с LoRA-адаптацией: согласно названию конфигурации, при дообучении использовался метод LoRA (небольшая обучаемая надстройка) для VLM-части при полном обновлении визуального энкодера.
  • Открытая лицензия: распространяется под свободной лицензией Apache 2.0, что позволяет свободно использовать чекпоинт в проектах.

Что можно сделать

  • Запустить политику в симуляции на мобильном манипуляторе через CLI-инструмент lerobot-rollout для отработки сценариев захвата и сортировки объектов.
  • Использовать чекпоинт или датасет team-sobits/sobit_home_left_sim-pnp_tomato_trash-abs-200ep как отправную точку для дообучения собственных бытовых навыков робота в LeRobot.
  • Сравнить поведение модели на базе pi0 с родственным вариантом на базе pi0.5 из этого же релиза.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=mobile_manipulator \
  --robot.port= \
  --policy.path=team-sobits/sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0_vlmlora_fullvision-steps30k-decay30k \
  --task="Throw the tomato can into the trash bin" \
  --duration=60
ПодробнееОбучение: 200 эпизодов (48 141 кадр при 10 FPS), 30 000 шагов, batch size 20, оптимизатор AdamW, learning rate 2.5e-05, версия LeRobot 0.6.1.
Оценка: результаты тестов на реальном роботе в карточке пока не опубликованы.
Ограничения: при запуске необходимо указать свой порт робота и точные имена камер, совпадающие с обучающими ключами.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 15 GB · готовые файлы17 GB
  • BF16веса 8.3 GB9.6 GB
  • FP8 / INT8рекомендуемвеса 5.0 GB6.0 GB
  • 4-bitвеса 3.6 GB4.4 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 5060 Ti 8GB · F32 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью pi0_base.

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.

    # team-sobits/sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0_vlmlora_fullvision-steps30k-decay30k
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 lerobot/pi0_base --local-dir ~/models/pi0_base
    hf download team-sobits/sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0_vlmlora_fullvision-steps30k-decay30k --local-dir ~/models/sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0_vlmlora_fullvision-steps30k-decay30k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pi0_base
  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

Нужна базовая модель

lerobot/pi0_base

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. paligemma-3b-pt-224основа семьи
  2. pi0_base
  3. sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0_vlmlora_fullvision-steps30k-decay30k

Новые посты про версии paligemma-3b-pt-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

team-sobits/sobit_home_left_sim-pnp_tomato_trash-abs-200ep-pi0_vlmlora_fullvision-steps30k-decay30k
Автор
team-sobits
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

SmolVLA

SmolVLA