К содержимому
Робототехника

pi05 lw_benchhub_pi05

готовая модель управления роботом

2 мин чтения

Модель основана на архитектуре π₀.₅ (Pi05) от Physical Intelligence и обучена с использованием библиотеки LeRobot для управления роботом типа double_piper. Она обрабатывает визуальные данные с нескольких камер и текущее состояние робота, выдавая управляющие действия для выполнения различных манипуляций на кухне и в быту. Модель создана для инженеров и исследователей в области робототехники, желающих применять методы имитационного обучения (imitation learning) на реальном «железе».

Ключевые особенности

  • Разработана для обобщения в открытом мире (open-world generalization) в новых условиях.
  • Специализирована под роботов конфигурации double_piper.
  • Использует данные с трёх камер (базовой и двух запястных) вместе с состоянием робота.
  • Обучена на датасете с более чем 6 миллионами кадров и 6500 эпизодами.

Что можно сделать

  • Запустить модель для выполнения бытовых задач управления плитой, посудой и кухонными ящиками.
  • Провести инференс и протестировать политику управления (policy) на реальном роботе с помощью CLI-инструментов LeRobot.
  • Выполнить дообучение (fine-tune) базовой модели на собственных собранных демонстрациях.

Пример

Запуск готовой политики управления роботом через командную строку:

lerobot-rollout \
  --strategy.type=base \
  --robot.type=double_piper \
  --robot.port= \
  --robot.cameras="{ : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}, : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
  --policy.path=whosricky/lw_benchhub_pi05 \
  --task="L10K3TurnOnTheStoveAndPutTheMokaPotOnIt" \
  --duration=60
ПодробнееБазовая модель: lerobot/pi05_base (размер около 4.14B параметров).
Оптимизатор: adamw с learning rate 2.5e-05, размер батча: 16.
Шаги обучения: 120 000 при частоте кадров 50 FPS.
Лицензия: gemma.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 15 GB · готовые файлы17 GB
  • BF16веса 7.7 GB9.0 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 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 4090

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.

    # whosricky/lw_benchhub_pi05
    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 whosricky/lw_benchhub_pi05 --local-dir ~/models/lw_benchhub_pi05
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lw_benchhub_pi05
  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. lw_benchhub_pi05

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

whosricky/lw_benchhub_pi05
Автор
whosricky
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

lw_benchhub

lw_benchhub