К содержимому
Другое

watch-2026-posttrain-robot-icl

чекпоинты для обучения роботов в контексте на базе Cosmos-Predict2.5-2B

2 мин чтенияобновлено

Набор дообученных моделей для управления реальным роботом Sprout с помощью in-context learning (ICL — обучение прямо в контексте на примерах демонстраций без изменения весов). Модели решают задачи манипуляции объектами — перекладывание чашки в ящик (sprout_cup_to_drawer) и открытие ящика (sprout_open_drawer) — опираясь на визуальные демонстрации движений человека (human ghost demos). Чекпоинты основаны на модели мира Cosmos-Predict2.5-2B (2 миллиарда параметров) и промежуточном чекпоинте WATCH mid, а в репозитории собраны четыре варианта обучения с разной инициализацией и подачей контекста. Релиз пригодится исследователям в области робототехники (embodied AI) для воспроизведения экспериментов и оценки политик манипуляции.

Ключевые особенности

  • Четыре конфигурации экспериментов: сравнение старта с базовой Cosmos-Predict2.5-2B и промежуточной WATCH mid (egoverse_ret_v3_448_state_4node).
  • Два режима формирования контекста: подача демонстрации из текущего эпизода или подмешивание 30% примеров из других эпизодов (варианты mix30).
  • Промежуточные чекпоинты: для каждого из четырёх прогонов сохранены веса на 2000, 3000 и 4000 итерациях (соответствует 21, 31 и 42 эпохам) в формате .pt.
  • Полная воспроизводимость: вместе с весами выложены конфигурации config.yaml, логи обучения с кривой loss и файл контрольных сумм sha256.txt.

Что можно сделать

  • Сравнить качество выполнения задач манипуляции на роботе Sprout при старте с чистой базовой модели Cosmos-Predict2.5-2B и с предобученной WATCH mid.
  • Проверить, как подмешивание 30% чужих демонстраций в контекст (sprout_icl_mix30) влияет на обобщающую способность робота на задачах с ящиками.
  • Проанализировать динамику переобучения на 2K, 3K и 4K шагах обучения, используя готовые конвертированные чекпоинты и логи.

Пример

В репозитории представлены четыре папки с чекпоинтами и конфигурациями для запуска в рамках фреймворка jeongeun980906/watch:
• sprout_icl/ — старт с WATCH mid, в контексте демонстрация текущего эпизода;
• sprout_icl_base/ — старт с Cosmos-Predict2.5-2B, демонстрация текущего эпизода;
• sprout_icl_mix30/ — старт с WATCH mid, 30% сэмплов в контексте из другого эпизода;
• sprout_icl_mix30_base/ — старт с Cosmos-Predict2.5-2B, 30% сэмплов из другого эпизода.

ПодробнееДанные: 40 эпизодов (6 158 окон) из датасета Jeongeun/sprout-real-3task с разметкой human_ghost/.
Обучение: 4 000 итераций, global batch 64 (8 сэмплов на GPU), lr 1e-4 с прогревом 100 шагов и линейным затуханием до 0.5e-4.
Железо и скорость: каждый прогон выполнен на 1 узле с 8× A100 80GB со скоростью ~1.60–1.61 сек/итерацию (~2 часа на прогон).
Особенности: на итерации 2995 во всех четырёх прогонах зафиксирован единичный скачок loss до 0.18–0.21 с возвратом к ~0.02 к шагу 3000.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.6 GB · готовые файлы4.5 GB
  • FP8 / INT8рекомендуемвеса 1.8 GB2.5 GB
  • 4-bitвеса 1.0 GB1.6 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.

    # watch-2026-icl/watch-2026-posttrain-robot-icl
    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 watch-2026-icl/watch-2026-posttrain-robot-icl --local-dir ~/models/watch-2026-posttrain-robot-icl
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к watch-2026-posttrain-robot-icl
  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 watch-2026-posttrain-robot-icl — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

watch-2026-icl/watch-2026-posttrain-robot-icl
Автор
watch-2026-icl
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии