К содержимому
Робототехника

1⃣ bimanual-widowxai-pick-dishes-into-tray-pi05

уборка посуды в поднос для двурукого робота

2 мин чтенияобновлено

Модель-политика для управления стационарным двуруким роботом-манипулятором Trossen AI (WidowX AI): она принимает видеопоток с четырёх камер, текущее состояние сочленений и текстовую команду, а на выходе выдаёт последовательность действий для перекладывания посуды в поднос. В основе лежит архитектура π₀.₅ (связка визуально-языковой модели PaliGemma gemma_2b и эксперта действий gemma_300m на базе flow matching), обученная авторами из TrossenRoboticsCommunity с помощью LoRA (небольшой надстройки над базовой моделью), но опубликованная уже в виде полностью объединённых весов (4.14B параметров, 8.29 GB). Главное отличие от родственных релизов коллекции — работа в относительных координатах (relative actions) сразу по всем 14 степеням свободы, включая сами захваты (грипперы). Подойдёт исследователям робототехники и инженерам, работающим со стеком LeRobot.

Ключевые особенности

  • Полностью относительные действия: преобразования в относительные и обратно в абсолютные координаты по всем 14 осям (включая захваты) вшиты прямо в пайплайн пре- и постпроцессинга.
  • Мультикамерное зрение: политике требуются строго 4 камеры в заданном порядке (cam_low, cam_high, cam_left_wrist, cam_right_wrist) с входным разрешением 224×224.
  • Готовый объединённый чекпоинт: несмотря на обучение через LoRA (r=32, α=32), файл model.safetensors содержит слитую модель целиком — скачивать отдельно базу не нужно.
  • Обучение на малом датасете: модель дообучена всего на 40 эпизодах (самая компактная по объёму данных рабочая модель в серии) до 38 000 шагов.

Что можно сделать

  • Запустить автономное перекладывание посуды в поднос на стационарной установке Trossen AI bimanual с четырьмя камерами через фреймворк LeRobot.
  • Использовать веса как отправную точку или референс при настройке пайплайнов с полностью относительными действиями (без исключения захватов) для 14-DoF манипуляторов.

Пример

from lerobot.policies.pi05.modeling_pi05 import PI05Policy

policy = PI05Policy.from_pretrained(
    "TrossenRoboticsCommunity/bimanual-widowxai-pick-dishes-into-tray-pi05"
)
ПодробнееОбучение: 38 000 шагов на GPU H200 в Trossen Cloud (29.3 часа), финальный loss — 0.004126, датасет из 40 эпизодов закрыт.
Формат и объём: 4.14B параметров, bfloat16, файл model.safetensors весит 8.29 GB; на инференсе используется 10 шагов и горизонт 50 действий (chunk_size).
Ограничения: чувствительна к точной формулировке промпта (pick up the dishes and place into the tray), строгому порядку 4 камер и геометрии сцены; формальный подсчёт процента успеха в таблице ещё не заполнен.
Обсудить Telegram 0 39

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.7 GB · готовые файлы9.0 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.7 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.

    # TrossenRoboticsCommunity/bimanual-widowxai-pick-dishes-into-tray-pi05
    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 TrossenRoboticsCommunity/bimanual-widowxai-pick-dishes-into-tray-pi05 --local-dir ~/models/bimanual-widowxai-pick-dishes-into-tray-pi05
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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 bimanual-widowxai-pick-dishes-into-tray-pi05 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

TrossenRoboticsCommunity/bimanual-widowxai-pick-dishes-into-tray-pi05
Автор
TrossenRoboticsCommunity
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

390

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии