К содержимому
Другое

CONTROL Resonant IDM

восстановление нажатий геймпада по видео геймплея

2 мин чтенияобновлено

Модель типа IDM (Inverse Dynamics Model — модель обратной динамики, восстанавливающая действия по визуальным изменениям), созданная автором XvKuoMing специально для игры CONTROL Resonant. Она анализирует видеозапись геймплея и для каждого кадра предсказывает, какие из 21 кнопки были нажаты и в каком положении находились оба аналоговых стика. В основе лежит дообученный визуальный энкодер google/siglip2-large-patch16-256 в связке с 4-слойным темпоральным трансформером (общий размер — 329M параметров). В отличие от обычных классификаторов видео, модель работает со скользящим окном из 8 кадров и помогает разметить ролики без логов контроллера, чтобы на них можно было обучать игровых ИИ-агентов.

Ключевые особенности

  • Покадрово предсказывает состояние 21 кнопки геймпада и 4 оси обоих стиков в диапазоне [-1, 1].
  • Строится на базе SigLIP 2 Large (256×256 px) с пулингом патчей и 4-слойного трансформера с 8 головами внимания.
  • Ошибка предсказания стиков на 35–40% ниже базового уровня (когда стики считаются неподвижными).
  • Поддерживает как запуск из Python-кода, так и быструю разметку видео через CLI с сохранением в .npz.

Что можно сделать

  • Автоматически разметить записи прохождений CONTROL Resonant для последующего обучения нейросетевых ботов методом поведенческого клонирования.
  • Проанализировать стиль игры и частоту использования основных кнопок действий (триггеров и лицевых кнопок) по готовым видеороликам.
  • Использовать архитектуру и пайплайн как референс для создания собственных IDM-моделей под другие экшен-игры от третьего лица.

Пример

from huggingface_hub import snapshot_download
import sys

folder = snapshot_download("XvKuoMing/control-resonant-idm")
sys.path.insert(0, folder)
from idm import load, label_video

model = load(folder)
out = label_video(model, "gameplay.mp4")  # buttons, probs, sticks
Подробнее Метрики на 3 тестовых сессиях (88 минут): средняя ошибка стиков 0.086–0.121 (против 0.142–0.180 у бейзлайна), F1 по частым кнопкам до 0.58–0.68 (левый триггер) и 0.50–0.62 (кнопки X, A, B).
Обучение: 6.4 часа геймплея одного игрока (логи с частотой 1000 Hz), 8000 шагов с batch size 16; в релиз вошёл чекпоинт с шага 7000.
Требования и вход: видео приводится к 60 fps и сжимается до 256×256 без кропа (с видимым HUD); label_video занимает около 12 ГБ ОЗУ на час видео, длинные записи лучше резать на куски.
Ограничения: работает только с CONTROL Resonant; редкие кнопки (крестовина, нажатия стиков, Start) почти не распознаются, в меню и кат-сценах модель ошибается.
Обсудить Telegram 0 33

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.2 GB · готовые файлы1.8 GB
  • BF16веса 0.6 GB1.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.2 GB0.7 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 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.

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

google/siglip2-large-patch16-256

Новые посты про версии siglip2-large-patch16-256 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 4Все на Hugging Face
Дообучения 7Все на Hugging Face

О модели

XvKuoMing/control-resonant-idm
Автор
XvKuoMing
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

330

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии