К содержимому
Робототехника

vga-pretrain-libero90

компактная основа для обучения роботов

2 мин чтенияобновлено

Предобученная многозадачная модель VGA (Vision-Geometry-Action) от vga-robotics для управления роботизированными манипуляторами. Модель обучена с нуля на всех 90 задачах бенчмарка LIBERO-90 и служит базой (бэкбоном) для быстрого дообучения на новых сценариях даже по малому числу примеров (few-shot). При размере всего около 14.5 млн параметров и весе чекпоинта 32.3 МБ она сочетает визуальное восприятие, понимание 3D-геометрии и языковые команды через текстовые эмбеддинги SigLIP. Подойдёт исследователям и инженерам в области робототехники, которым нужна лёгкая стартовая точка для обучения манипуляции объектами.

Ключевые особенности

  • Компактная архитектура: 4-слойный Transformer-ствол (6 голов внимания, размерность 384) в связке с 4-слойным модулем генерации действий на базе Flow-Matching (всего ~14.5M параметров).
  • Учёт 3D-геометрии: использует 6-мерные лучи камеры Плюккера (Plücker rays), квантованный контроль глубины и сглаживание траектории на 4 шага вперёд.
  • Языковое управление: понимает текстовые инструкции за счёт 32-токеновых пословных эмбеддингов SigLIP.
  • Готовый набор файлов: в репозитории есть не только веса для дообучения, но и автономное определение архитектуры с метриками обучения.

Что можно сделать

  • Дообучить модель в режиме few-shot (например, всего на 5 демонстрациях) на целевых задачах из набора LIBERO.
  • Адаптировать чекпоинт под собственные сценарии роботизированной манипуляции с помощью встроенного скрипта запуска.

Пример

python vga.py --init_ckpt ckpt.pt --data data/proc_libero_goal --out runs/vga_pt_goal --shots 5 --steps 6000 --rays --depth --smooth --word_lang --task_balance
ПодробнееОбучена с нуля на 900 траекториях (90 задач LIBERO-90 по 10 демонстраций).
Бюджет предобучения: 30 000 шагов с размером батча 64 (1 920 000 сэмплов) и иерархической балансировкой эпизодов.
Вес файла весов составляет ~32.3 МБ, фреймворк — PyTorch.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # vga-robotics/vga-pretrain-libero90
    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 vga-robotics/vga-pretrain-libero90 --local-dir ~/models/vga-pretrain-libero90
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к vga-pretrain-libero90
  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 vga-pretrain-libero90 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

vga-robotics/vga-pretrain-libero90
Автор
vga-robotics
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