/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
pytorch
Опубликована
23 июл 2026

HTT

ЭмбеддингиТекст → embedding

HTT — трансформер для преобразования данных тактильных сенсоров разных типов в общие эмбеддинги для робототехнических задач.

0скачиваний за 30 дней1лайквеса обновлены3 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HTT (Heterogeneous Tactile Transformer) — мультимодальная модель представлений для тактильных данных. Она использует четыре энкодера и общий трансформерный ствол из девяти слоёв, обученный с помощью masked-autoencoder-реконструкции и межмодального выравнивания; число параметров — 17,1 млн, размер эмбеддинга — 192 измерения. Модель принимает изображения с тактильных сенсоров GelSight Mini и 9DTact размером 224×224×3, а также временные последовательности показаний тактильных массивов в формате [T, 72].

HTT преобразует показания разных сенсоров в общее векторное представление для последующего обучения классификаторов, оценки силы и проскальзывания или использования в обучении роботизированных политик. Для работы с весами требуется пакет HTT с архитектурой и предобработкой. Репозиторий указывает, что чекпойнт перенесён в AllenBi21/HTT-dataset. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

Сценарии применения

  • извлечение эмбеддингов из изображений GelSight Mini
  • извлечение признаков из данных сенсора 9DTact
  • кодирование временных рядов тактильного массива Xela
  • классификация тактильных ощущений с отдельной головкой
  • оценка силы или проскальзывания по тактильным данным
  • обучение роботизированных политик на тактильных представлениях

Ограничения

Для получения векторов нужны пакет HTT с архитектурой и предобработкой, а также чекпойнт, перенесённый в репозиторий AllenBi21/HTT-dataset. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HTT — Heterogeneous Tactile Transformer

[!IMPORTANT] Moved: model and dataset are now hosted together in a single repo — AllenBi21/HTT-dataset. Please download the checkpoint from there: /home/allenbi/.cache/huggingface/hub/datasets--AllenBi21--HTT-dataset/snapshots/b3d6f0a275dfc949cbe6c100e4ca767e4ad8bf59/htt_4sensors_best.pth. This repo is kept only so existing links keep working.

A multimodal tactile representation model. One shared transformer backbone encodes four different tactile sensors into a common 192-dimensional embedding space, pretrained with masked-autoencoder reconstruction and cross-modal alignment. Feed a raw sensor reading, get a feature vector for any downstream head (classification, force / slip estimation, policy learning).

ModalityTypeRaw input
gsminivision (GelSight Mini)uint8 image [224, 224, 3]
9dtactvision (9DTact)uint8 image [224, 224, 3]
xelataxel arrayfloat [T, 72]
tac02taxel arrayfloat [T, 66]

Code & training pipeline: github.com/jxbi1010/HTT · Dataset (with this checkpoint bundled): AllenBi21/HTT-dataset · Project page: jxbi1010.github.io/htt-gh-page

Checkpoint

Filehtt_4sensors_best.pth (~69 MB)
Contentsmodel_state_dict = 4 encoders + shared 9-layer trunk + 4 decoders (17.1 M params)
Embedding dim192
SHA-256024f4c3a067168197d0a6996bbca5c03e744ed5abd1d35a666dbf78e7ac673f0

Slim inference/finetune checkpoint (optimizer / predictor states dropped).

Usage

Use it with the HTT package (contains the architecture, preprocessing, and examples). Download the weights into checkpoints/:

hf download AllenBi21/HTT htt_4sensors_best.pth --local-dir checkpoints
import numpy as np
from htt import HTT

model = HTT(modality="gsmini")                       # loads checkpoints/htt_4sensors_best.pth
frame = np.random.randint(0, 256, (224, 224, 3), dtype=np.uint8)   # your sensor frame
emb = model(frame)                                   # -> torch.Tensor [1, 192]

Read the raw-input contract before feeding your own data — the model returns garbage on out-of-distribution inputs.

License

Released under CC BY-NC 4.0 (non-commercial). Portions are derived from Meta's V-JEPA / DINOv2 (Apache-2.0 and CC-BY-NC-4.0).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
d969259

0 моделей