К содержимому
Робототехника

OpenWAM coffee making (Galaxea R1 Lite)

нейросеть для приготовления капсульного кофе роботом

2 мин чтенияобновлено

Файнтюн модели робототехники OpenWAM-α от автора zekaili, обученный управлять двуруким роботом Galaxea R1 Lite (с манипуляторами A1X) для приготовления кофе в капсульной кофемашине. На вход модель получает потоковое видео с трёх камер и текущее состояние манипуляторов, а на выходе генерирует последовательность целевых координат и положений для обеих рук робота. В основе лежит базовый чекпоинт OpenWAM-Alpha-Pretrain-Foundation-Model с видео-бэкбоном Wan2.2-TI2V-5B (модель генерации видео на 5 млрд параметров, адаптированная под предсказание действий). В отличие от общей базовой версии, этот чекпоинт дообучен на конкретном многоэтапном сценарии взаимодействия с бытовым прибором и пригодится исследователям робототехники и разработчикам VLA-систем (Vision-Language-Action — моделей, связывающих зрение, текст и действия).

Ключевые особенности

  • Работает с тремя ракурсами одновременно: камерой на голове робота (head_left_rgb) и двумя камерами на запястьях (left_wrist_rgb, right_wrist_rgb), объединёнными в L-образный кадр 384×320.
  • Использует представление end-effector (EEF — положение и ориентация захвата в пространстве): 20-мерный вектор координат, поворотов (rot6d) и состояния схватов для левой и правой руки.
  • Прогнозирует действия чанками (пакетами) на 32 шага вперёд на основе 33-кадрового временного окна при частоте записи 15 fps.
  • Построена на базе Wan2.2-TI2V-5B с архитектурой dual-system joint self-attention и взаимным маскированием (mutual mask).

Что можно сделать

  • Развернуть policy-сервер для управления реальным роботом Galaxea R1 Lite или его цифровым двойником в симуляторе с пересчётом EEF-координат в углы суставов через обратную кинематику (IK).
  • Использовать чекпоинт как базовую политику (policy) для бенчмаркинга многошаговых бимануальных задач в среде OpenWAM и LeRobot v2.1.
  • Дообучить модель на собственных датасетах манипуляций с бытовыми предметами, используя приложенную статистику нормализации normalization_stats.npy.

Пример

bash scripts/deploy.sh <путь_к_директории_модели>
# Текстовая инструкция, которую необходимо передавать клиенту при инференсе:
# Make a cup of coffee with the capsule coffee machine: insert a coffee capsule with the right arm, place the paper cup under the spout with the left arm, press the brew button, and take the cup of coffee away.
ПодробнееОбучение: 10 000 шагов на 399 эпизодах (258 562 кадра) из датасета zhuoyang20/foreact_coffee_making_data.
Железо при обучении: 2 ноды по 8 GPU NVIDIA H100 (глобальный батч 64, формат bf16, ZeRO-2, ~2.5 эпохи).
Гиперпараметры: оптимизатор AdamW, lr 1e-4, косинусное расписание с 5% warmup, weight decay 0.01.
Ограничения: ридер данных r1lite.py пока не включён в основной репозиторий OpenWAM, а пути в config.yaml указаны как заглушки.
Обсудить Telegram 0 13

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 23 GB · готовые файлы26 GB
  • FP8 / INT8рекомендуемвеса 12 GB13 GB
  • 4-bitвеса 6.5 GB7.6 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 5080 · BF16 — от RTX 5090

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.

    # zekaili/OpenWAM_coffee_making_gb64_lr1e-4_10k
    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 zekaili/OpenWAM_coffee_making_gb64_lr1e-4_10k --local-dir ~/models/OpenWAM_coffee_making_gb64_lr1e-4_10k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к OpenWAM_coffee_making_gb64_lr1e-4_10k
  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 OpenWAM-Alpha-Pretrain-Foundation-Model — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 3Все на Hugging Face

О модели

zekaili/OpenWAM_coffee_making_gb64_lr1e-4_10k
Автор
zekaili
Категория
Робототехника
Дата выхода
На сайте

На сайте

Hugging Face

130

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

OpenWAM IDM CF64k

OpenWAM IDM CF64k