К содержимому
Робототехника

smolvla_lw_double_piper

нейросеть для управления двуруким роботом

2 мин чтения

smolvla_lw_double_piper — это обученная политика управления (алгоритм действий для робототехники) от автора whosricky, созданная на базе компактной VLA-модели (Vision-Language-Action — нейросеть, объединяющая зрение, язык и действия) lerobot/smolvla_base размером 0.45B параметров. Модель принимает видеопоток с трёх камер и данные о текущем состоянии манипуляторов, а на выходе выдаёт вектор управляющих команд для выполнения бытовых задач. В отличие от базовой версии, она дообучена на специализированном датасете из 6500 эпизодов для двурукой платформы double_piper в рамках библиотеки LeRobot. Разработка пригодится робототехникам и исследователям, которые работают с манипуляторами Piper и тестируют автономное выполнение бытовых сценариев на локальном железе.

Ключевые особенности

  • Мультимодальный ввод: анализирует изображения с трёх камер (left_hand, first_person, right_hand) в разрешении 256×256 и вектор состояния робота из 6 параметров.
  • Управление двумя руками: генерирует 12-мерный вектор действий для синхронной работы двух манипуляторов double_piper.
  • Массивный обучающий набор: дообучена на датасете LightwheelAI/Lightwheel-Tasks-Double-Piper, содержащем 6500 эпизодов и более 6 миллионов кадров с частотой 50 FPS.
  • Компактный размер: база SmolVLA весит всего 0.45B параметров, что позволяет запускать инференс на потребительском оборудовании.

Что можно сделать

  • Автоматизация бытовых манипуляций: запустить на реальном или симулируемом роботе double_piper выполнение более сотни кухонных и настольных задач — от включения плиты и постановки гейзерной кофеварки до перекладывания продуктов в корзину и расстановки книг по отсекам.
  • База для дальнейшего дообучения: использовать веса как отправную точку в LeRobot (версии 0.7.0) для адаптации под собственные сценарии на аналогичной конфигурации камер и манипуляторов.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=double_piper \
  --robot.port= \
  --robot.cameras="{ left_hand: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, right_hand: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=whosricky/smolvla_lw_double_piper \
  --task="L10K3TurnOnTheStoveAndPutTheMokaPotOnIt"
ПодробнееОбучение: 100 000 шагов, batch size 64, оптимизатор AdamW, learning rate 0.0001, seed 1000.
Ограничения: в карточке пока не опубликованы результаты замеров успешности (Evaluation) на реальном роботе.
Лицензия: Apache 2.0, совместимо с LeRobot 0.7.0.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.8 GB · готовые файлы1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 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.

    # whosricky/smolvla_lw_double_piper
    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/smolvla_lw_double_piper --local-dir ~/models/smolvla_lw_double_piper
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к smolvla_lw_double_piper
  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/smolvla_base
  1. SmolLM2-360Mоснова семьи
  2. SmolLM2-360M-Instruct
  3. SmolVLM-500M-Instruct
  4. SmolVLM2-500M-Video-Instruct
  5. smolvla_base
  6. smolvla_lw_double_piper

Новые посты про версии SmolLM2-360M — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

whosricky/smolvla_lw_double_piper
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