К содержимому
Робототехника

TwinVLA Independent FT

чекпоинты для 44 задач робототехники

2 мин чтенияобновлено

Набор дообученных моделей для управления двурукими роботами-манипуляторами в симуляторе RoboTwin 2.0. Репозиторий основан на VLA-модели (Vision-Language-Action — нейросеть, связывающая зрение, текстовые инструкции и действия робота) jellyho/TwinVLA, которая в свою очередь опирается на nvidia/Eagle2-1B. В отличие от базовой архитектуры, здесь используются две полностью независимые копии весов для каждой руки робота при замороженном визуальном энкодере SigLIP. Релиз пригодится исследователям робототехники в качестве готового бейзлайна (контрольной точки для сравнения алгоритмов).

Ключевые особенности

  • Содержит промежуточные чекпоинты (шаги 10k, 20k и 30k) сразу для 44 различных задач из среды RoboTwin 2.0.
  • Архитектура разделена на независимые ветки для каждого манипулятора (backbone, декодер действий, эмбеддинги и энкодер состояния), а общие модули и зрение заморожены.
  • Для экономии места хранятся только обучаемые тензоры (818 штук, ~2.5 GiB на чекпоинт), а 447 замороженных тензоров подтягиваются из одного эталонного файла.
  • В комплект входит Python-скрипт ckpt_strip.py для быстрой сборки полноценных весов перед запуском.

Что можно сделать

  • Собрать полный чекпоинт под нужную задачу манипуляции (например, adjust_bottle) и протестировать выполнение команд в среде RoboTwin 2.0 с помощью скрипта eval_policy.py.
  • Использовать представленные веса как воспроизводимый бейзлайн Independent FT при разработке и сравнении собственных VLA-политик управления двумя руками.

Пример

hf download william-yudi/twinvla-independent-ft-robotwin --include "reference/*" "robotwin/adjust_bottle/step_030000/*" "ckpt_strip.py" --local-dir twinvla_ift
cd twinvla_ift
python ckpt_strip.py merge robotwin/adjust_bottle/step_030000 merged/adjust_bottle_step_030000
ПодробнееОбучение: датасет jellyho/robotwin2_rlds (demo_clean), по 48 демонстраций на задачу, 40k шагов, batch size 8, lr 1e-4 (cosine, 1% warmup), функция потерь flow-matching.
Оценка: RoboTwin 2.0 eval_policy.py на новых инструкциях (unseen instructions), seed 0, 50 эпизодов на чекпоинт.
Ограничения: перед загрузкой через TwinVLA.from_pretrained нужно прописать актуальный путь в frozen_ref.json и объединить веса.
Лицензия: CC BY-NC 4.0 (только для некоммерческого использования).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.5 GB · готовые файлы4.4 GB
  • FP8 / INT8рекомендуемвеса 1.8 GB2.4 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.

    # william-yudi/twinvla-independent-ft-robotwin
    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 william-yudi/twinvla-independent-ft-robotwin --local-dir ~/models/twinvla-independent-ft-robotwin
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к twinvla-independent-ft-robotwin
  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

jellyho/TwinVLA

Новые посты про версии TwinVLA — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 2Все на Hugging Face

О модели

william-yudi/twinvla-independent-ft-robotwin
Автор
william-yudi
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