К содержимому
Робототехника

SmolVLA for SO-101 Pouring

файнтюн для управления двуручным роботом

1 мин чтенияобновлено

Модель представляет собой дообученную версию базовой архитектуры lerobot/smolvla_base (размером 0.45 млрд параметров) для управления двуручным роботом SO-101. Файнтюн выполнялся на демонстрациях процесса переливания жидкостей и сыпучих материалов. Модель получает данные с трёх камер и состояния 12 суставов, выдавая управляющие действия для обеих рук робота. Проект предназначен для исследователей и разработчиков в области робототехники, использующих фреймворк lerobot.

Ключевые особенности

  • Базируется на lerobot/smolvla_base с размером 0.45B параметров.
  • Использует три камеры высокого разрешения (вид сверху, левое и правое запястья).
  • Поддерживает двуручное управление (12-мерные состояние и действия).
  • Обучена на 136 демонстрационных эпизодах (176 654 кадра).

Что можно сделать

  • Применить модель для автоматизации задач переливания жидкостей и порошков на робототехнической установке SO-101.
  • Использовать текстовые промпты для выбора конкретного действия робота (например, запуск наливания воды или порошков).
  • Интегрировать чекпоинт в собственные эксперименты с библиотекой lerobot для тестирования двуручных политик управления.

Пример

Используйте следующие строковые промпты для запуска задач:
- Pour water into the cup. (правая рука)
- Pour green tea latte powder from the green-lidded container into the cup. (левая рука)

ПодробнееОбучение: 40 000 шагов с размером батча 24.
Потери на отложенной выборке снизились с 0.101 до 0.0457.
Метрики отражают имитационные потери, а не реальный процент успешных выполнений на роботе.
Обсудить Telegram 0 25

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.8 GB · готовые файлы1.4 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.

    # tkpota/smolvla_so101_pour
    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 tkpota/smolvla_so101_pour --local-dir ~/models/smolvla_so101_pour
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к smolvla_so101_pour
  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. smolvla_so101_pour

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

tkpota/smolvla_so101_pour
Автор
tkpota
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

Jevol-2B

Jevol-2B