К содержимому
Робототехника

VivekSai07/xvla_hfteam_box_middle

файнтюн для роборук

1 мин чтения

Модель X-VLA (0.88B) дообучена на демонстрациях телеуправления для синхронной работы двух роборук SO-101. Архитектура обрабатывает данные с трёх камер, положения 12 суставов и текстовую задачу, выдавая управляющие действия. Файнтюн (дообучение весов модели под конкретную задачу) создан в рамках хакатона для совместного подъёма коробки и перемещения её в центр. Решение полезно инженерам и исследователям, работающим с библиотекой LeRobot.

Ключевые особенности

  • Базовая модель: lerobot/xvla-base (0.88 млрд параметров).
  • Входные данные: три камеры, 12 позиций суставов и текст задачи.
  • Управление: генерация чанков действий на 1 секунду для двух роборук.
  • Обучение: 7000 шагов с батчем 16 и bf16 autocast (автоматическим смешанным типом данных).

Что можно сделать

  • Запустить оценку поведения модели на двух роборуках SO-101.
  • Протестировать совместный перенос коробки по текстовой инструкции.
  • Применить веса для экспериментов с многорукими системами.

Пример

lerobot-rollout --strategy.type=base \
    --policy.path=VivekSai07/xvla_hfteam_box_middle \
    --robot.type=bi_so_follower \
    --task="Lift the box with both arms and place it in the middle" --duration=30
ПодробнееОбучение: 41 эпизод телеуправления (20 556 кадров на 30 fps).
Метрики: тренировочный loss снизился с 0.79 до 0.003 на 7000 шаге.
Качество: средняя ошибка на обучающих кадрах составляет 0.9 градусов.
Ограничения: успешность выполнения на реальном железе пока не замерялась.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 3.3 GB · готовые файлы4.1 GB
  • BF16веса 1.6 GB2.3 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 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 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.

    # VivekSai07/xvla_hfteam_box_middle
    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 VivekSai07/xvla_hfteam_box_middle --local-dir ~/models/xvla_hfteam_box_middle
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к xvla_hfteam_box_middle
  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/xvla-base

Новые посты про версии xvla-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

VivekSai07/xvla_hfteam_box_middle
Автор
VivekSai07
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