К содержимому
Робототехника

Pi0.5 Junction SO-101

политика управления роборукой SO-101

2 мин чтенияобновлено

Это дообученная VLA-модель (vision-language-action — нейросеть, объединяющая зрение, понимание текста и управление действиями) для шестиосевого манипулятора SO-101. На вход она получает картинку с трёх камер и текущие углы шести суставов, а на выходе предсказывает следующие позиции приводов по текстовой команде. Модель создана пользователем w3joe на базе lerobot/pi05_base с общим объёмом 4,146 млрд параметров в среде Physical AI Studio. В отличие от базовой версии, здесь заморозили визуально-языковую основу и обучили только модуль эксперта действий (action-expert) на конкретной задаче сортировки деталей. Пригодится разработчикам робототехники на стеке LeRobot и Physical AI Studio как готовая база для экспериментов с манипуляторами.

Ключевые особенности

  • Эффективное дообучение: из 4,146 млрд параметров обновлялись только ~695,5 млн параметров эксперта действий и проекций, тогда как VLM-бэкбон остался замороженным.
  • Мультиракурсное зрение: политика учитывает одновременно три RGB-потока (с запястья, сверху и с инспекционной камеры) вместе с положением 6 суставов.
  • Многоэтапные инструкции: модель обучена переключаться между командами прямо внутри одного эпизода — сначала поднести деталь к камере для осмотра, затем положить в оранжевую, фиолетовую или жёлтую миску.
  • Полный комплект для воспроизведения: чекпоинт в формате PyTorch Lightning включает веса, статистику нормализации и гиперпараметры архитектуры.

Что можно сделать

  • Запустить инференс политики в среде physicalai на стенде с манипулятором SO-101 и тремя камерами для сортировки объектов по цветным контейнерам.
  • Использовать чекпоинт и приложенный training-config.json как отправную точку для дальнейшего дообучения под собственные сценарии захвата и инспекции деталей.

Пример

from huggingface_hub import hf_hub_download
from physicalai.policies import Pi05

checkpoint = hf_hub_download(repo_id="w3joe/pi05-junction-so101-20261114", filename="best.ckpt")
policy = Pi05.load_from_checkpoint(checkpoint, map_location="cpu", pretrained_name_or_path=None, compile_model=False)
policy.eval()
# policy = policy.to("cuda")
ПодробнееОбучение: 212 демонстраций (191 train / 21 val, 47 079 кадров при 30 fps), ~2 300 шагов за 50 минут на 4× RTX PRO 6000 Blackwell в BF16.
Ограничения: реальный процент успеха на физическом роботе не замерялся, сходимость не подтверждена; требуется доступ к токенизатору google/paligemma-3b-pt-224.
Лицензия: Gemma (унаследована от базовой модели lerobot/pi05_base).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 11 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.7 GB6.7 GB
  • 4-bitвеса 3.2 GB4.0 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 5060 Ti 8GB · BF16 — 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.

    # w3joe/pi05-junction-so101-20261114
    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 w3joe/pi05-junction-so101-20261114 --local-dir ~/models/pi05-junction-so101-20261114
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pi05-junction-so101-20261114
  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/pi05_base
  1. paligemma-3b-pt-224основа семьи
  2. pi05_base
  3. pi05-junction-so101-20261114

Новые посты про версии paligemma-3b-pt-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

w3joe/pi05-junction-so101-20261114
Автор
w3joe
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

Робототехника

SO-101 π0.5

SO-101 π0.5