К содержимому
Робототехника

smolvla_insert_v2

политика управления роботом для вставки коннектора

2 мин чтенияобновлено

Компактная VLA-модель (Vision-Language-Action — нейросеть, которая объединяет компьютерное зрение, понимание текстовых команд и генерацию действий для роботов) от автора yugosakaguchi. Она обучена управлять шестиосевым манипулятором xarm6, чтобы выполнять точную задачу: вставлять коннектор в отверстие по текстовой инструкции. Модель дообучена на базе lerobot/smolvla_base (0.45B параметров) с помощью фреймворка LeRobot, поэтому не требует серверных мощностей и подходит для запуска на пользовательском железе. Пригодится разработчикам и исследователям в области робототехники, работающим с манипуляторами xArm.

Ключевые особенности

  • Работает с визуальными данными сразу с трёх камер (front, top, wrist) в разрешении 256×256 и текущим состоянием суставов робота.
  • Обучена на датасете yugosakaguchi/xarm6_insert_v2 из 100 демонстрационных эпизодов (46 842 кадра, снятых при 30 FPS).
  • Основана на компактной архитектуре SmolVLA (0.45B параметров), рассчитанной на запуск на потребительском оборудовании.
  • На выходе выдаёт вектор из 6 непрерывных действий для управления степенями свободы манипулятора.

Что можно сделать

  • Развернуть политику на реальном манипуляторе xarm6 с тремя камерами через утилиту lerobot-rollout для автоматизации стыковки разъёмов.
  • Использовать чекпоинт как отправную точку для дообучения в LeRobot под похожие сборочные операции с мелкими деталями.

Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=xarm6 \
  --robot.port= \
  --policy.path=yugosakaguchi/smolvla_insert_v2 \
  --task="Insert the connector into the hole." \
  --duration=60
ПодробнееОбучение: 20 000 шагов, batch size 32, оптимизатор AdamW (lr 0.0001), LeRobot 0.6.1.
Ограничения: в карточке пока не опубликованы метрики успешности на реальном роботе; для работы требуются три камеры, названия которых должны совпадать с ключами наблюдения при обучении.
Лицензия: Apache-2.0.
Обсудить Telegram 0 34

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # yugosakaguchi/smolvla_insert_v2
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 yugosakaguchi/smolvla_insert_v2 --local-dir ~/models/smolvla_insert_v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к smolvla_insert_v2
  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 smolvla_insert_v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

yugosakaguchi/smolvla_insert_v2
Автор
yugosakaguchi
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

340

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

pi05_black_box_ft2

pi05_black_box_ft2