К содержимому
Робототехника

urdf2vla-crx3ia-gr00t-n1.7

управление роборукой FANUC в симуляторе

2 мин чтенияобновлено

Это VLA-модель (Vision-Language-Action — нейросеть, которая связывает картинку, текстовую команду и физические действия) для робоманипулятора FANUC CRX-3iA с захватом Robotiq 2F-85 в симуляторе NVIDIA Isaac Sim. Модель получает команду на английском языке, например «put the apple in the bin», анализирует поток с трёх камер и текущее положение суставов, а на выходе выдаёт последовательность из 16 шагов управления рукой и захватом. Она основана на nvidia/GR00T-N1.7-DROID (3.14 млрд параметров) и обучена автором umegan сквозным пайплайном urdf2vla напрямую из URDF-описания робота. От базовой версии чекпоинт отличается адаптацией под конкретную кинематику FANUC и конфигурацию из трёх камер (на запястье, слева и справа). Пригодится разработчикам робототехники и исследователям для тестов и экспериментов с VLA в симуляции.

Ключевые особенности

  • Трёхкамерное зрение: принимает текущие RGB-кадры 256×256 сразу с трёх точек — wrist_cam, left_cam и right_cam.
  • Точное управление суставами: на частоте 20 Hz предсказывает 16 шагов целевых углов для 6 осей манипулятора (J1–J6) и состояние захвата.
  • Лёгкое дообучение: при файнтюнинге замораживались языковая модель и визуальный энкодер, обучались только проектор и диффузионная голова действий.
  • Стопроцентный результат в тесте: в симуляции успешно выполнила 20 из 20 эпизодов перекладывания яблока, кубика, лайма и груши.

Что можно сделать

  • Оценить работу в Isaac Sim: запустить готовую валидацию на 20 эпизодах с записью видео, чтобы посмотреть, как модель захватывает и переносит объекты в корзину.
  • Использовать как шаблон для своего робота: взять конфигурацию urdf2vla_modality_crx3ia.py и пример из репозитория urdf2vla для переноса пайплайна на другие URDF-модели манипуляторов.
  • Дообучить на новые сценарии: расширить датасет демонстраций за пределы четырёх стандартных объектов и одного стола.

Пример

hf download umegan/urdf2vla-crx3ia-gr00t-n1.7 --local-dir projects/crx3ia/training/hf_crx3ia
mkdir -p projects/crx3ia/datasets/demos_gr00t
cp projects/crx3ia/training/hf_crx3ia/urdf2vla_modality_crx3ia.py projects/crx3ia/datasets/demos_gr00t/
urdf2vla evaluate_vla --project projects/crx3ia --model training/hf_crx3ia --episodes 20 --video
ПодробнееМетрики: 20/20 успешных эпизодов, медианное отклонение от цели — 15 мм, средняя длина эпизода — 174 шага (8.7 с).
Обучение: 50 скриптовых демонстраций, 10 000 шагов с batch size 32 на одной NVIDIA L40S (пик 41.9 GB VRAM, 2 ч 40 мин).
Ограничения: работает только в симуляции (на реальном роботе не проверялась), обучена на одной сцене с фиксированным освещением и 4 типами объектов.
Лицензия: NVIDIA Open Model License (содержит замороженные веса nvidia/Cosmos-Reason2-2B).
Видео-примеры
Обсудить Telegram 0 30

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 12 GB · готовые файлы13 GB
  • BF16веса 5.9 GB6.9 GB
  • FP8 / INT8рекомендуемвеса 2.9 GB3.7 GB
  • 4-bitвеса 1.6 GB2.3 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 · F32 — от RTX 5080

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.

    # umegan/urdf2vla-crx3ia-gr00t-n1.7
    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 umegan/urdf2vla-crx3ia-gr00t-n1.7 --local-dir ~/models/urdf2vla-crx3ia-gr00t-n1.7
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к urdf2vla-crx3ia-gr00t-n1.7
  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

nvidia/GR00T-N1.7-DROID

Новые посты про версии GR00T-N1.7-DROID — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 4Все на Hugging Face

О модели

umegan/urdf2vla-crx3ia-gr00t-n1.7
Автор
umegan
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

300

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии