/ Модель

Характеристики

Размер весов
6,9 ГБ
Лицензия
Apache 2.0
Архитектура
Gr00tN1d7 · dense
Базовая модель
GR00T-N1.7-3B
Опубликована
30 июл 2026

gr00t-n17-g1-dex3-nubjuki-abs40

Языковая модельИзображение, текст → action

Экспериментальная дообученная модель NVIDIA GR00T для предсказания движений гуманоидного робота Unitree G1 с руками Dex3 в задаче захвата предмета.

11скачиваний за 30 дней0лайковвеса обновлены30 июл 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

GR00T N1.7 — G1 + Dex3, 40-step action chunk ablation — это экспериментальная дообученная модель из набора сравнительных экспериментов на базе NVIDIA GR00T-N1.7-3B. Она предназначена для управления гуманоидным роботом Unitree G1 с руками Dex3: по изображениям с трёх RGB-камер, текущему состоянию 28 суставов и фиксированной текстовой инструкции предсказывает последовательность из 40 абсолютных целевых значений суставов в радианах для выполнения задачи захвата и перемещения предмета.

Модель разработана для одного сценария: взять куклу и поместить её в красную область. Обучение проводилось на 100 эпизодах одной задачи, а оценка — в открытом контуре на отложенных эпизодах по первым 16 шагам предсказанной последовательности. В README приведено среднее отклонение 0,07086 радиана; авторы отмечают, что это худшая модель из трёх вариантов абляции, а увеличение длины последовательности до 40 шагов ухудшило точность в данном эксперименте. Оценка в замкнутом контуре на роботе не проводилась.

Модель использует архитектуру Gr00tN1d7 и формат safetensors. Для запуска README указывает Isaac-GR00T, Transformers 4.57.3, PyTorch 2.7.1+cu128 и доступ к закрытому токенизатору nvidia/Cosmos-Reason2-2B. Лицензия — Apache-2.0. Авторы прямо указывают, что модель опубликована для воспроизводимости сравнения и не предназначена для практического использования.

Сценарии применения

  • воспроизведение эксперимента по захвату куклы роботом Unitree G1
  • сравнение длины последовательности действий в задачах роботизированной манипуляции
  • исследование предсказания целевых положений суставов для рук Dex3

Ограничения

Модель названа авторами худшей в наборе абляций и не предназначена для практического применения; проверена только оценкой в открытом контуре на ограниченном наборе эпизодов. Она обучена для одной инструкции и требует специализированного стека запуска и доступа к закрытому токенизатору.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GR00T N1.7 — G1 + Dex3, 40-step action chunk ablation

This is the weakest of a three-model ablation set and is not meant for use. It is published so the comparison is reproducible. Use gr00t-n17-g1-dex3-nubjuki instead — it is 36 % better.

The ablation set

All three runs share the dataset, the 90/10 split, 10k steps, effective batch 64, 30 fps, 3 cameras, frozen VLM backbone, and a 4×A100 setup. Exactly one thing changes per row. Evaluation is open-loop on the held-out 10 episodes, MAE in radians, using the first 16 predicted steps for all three models so the numbers are directly comparable.

modelarmshandschunkbest ckptMAEleft_armright_armleft_handright_hand
…-nubjukiRELATIVEABSOLUTE16100000.045530.017000.048440.020640.09605
…-nubjuki-absABSOLUTEABSOLUTE1680000.061690.057060.073860.022550.09330
thisABSOLUTEABSOLUTE4040000.070860.059360.083220.022160.11870

Two findings:

  1. RELATIVE arms beat ABSOLUTE by 26 %. The gap is largest on the left arm (3.4×), which barely moves in this task — a relative model only predicts "no change", an absolute one must regress the exact pose every step. Hands are ABSOLUTE in all rows and score nearly the same, which is the internal control showing the arms caused the difference.
  2. Extending the chunk from 16 to 40 costs another 15 % (0.06169 → 0.07086), and the optimum moves earlier (4k instead of 8k). Spreading the loss over 40 future steps — the far ones being intrinsically ambiguous — dilutes the near-term precision that actually drives the gripper. GR00T's pretrained embodiments use 40–50 step chunks, but that convention did not transfer to this small-data (17.7 min), precision-grasping task.

Checkpoint sweep (this model)

checkpointMAEMSE
20000.0731540.020890
40000.0708590.021720
60000.0721460.020926
80000.0724010.021238
100000.0724810.021132

Scope of the conclusion

The evaluation reads only the first 16 of the 40 predicted steps, i.e. it measures the regime where you re-plan often (execution horizon ≈ 8). A 40-step chunk's potential advantage is a longer execution horizon — useful when inference latency is high — and that regime is not tested here. On the deployment path this project targets (~100–160 ms end-to-end), a 16-step chunk at 30 fps already leaves ample slack, so the longer chunk buys nothing it can trade its accuracy loss for.

Open-loop error is a proxy; closed-loop evaluation on the robot is the real test.

Interface

Predicts absolute 28-d joint targets in radians as a 40-step chunk, intended for 30 Hz execution. Observation: 3 RGB cameras 480×640 (ego_view ← head, right_wrist_view, left_wrist_view) + current 28-d joint state + the exact training string "pick up the doll and place it in the red region."

Joint order (state and action alike): left_arm 0–6, right_arm 7–13, left_hand 14–20, right_hand 21–27.

⚠️ The hands do not share a finger order: left is Thumb0-2 → Middle0,1 → Index0,1, right is Thumb0-2 → Index0,1 → Middle0,1, and the bending signs are mirrored. This comes from the source dataset's metadata and the model learned it as-is.

Dataset: carroll511/g1_dex3_nubjuki (100 episodes / 31,803 frames / 30 fps, single task). Serving requires Isaac-GR00T (validated at 65cc4a192), transformers 4.57.3, torch 2.7.1+cu128, and access to the gated nvidia/Cosmos-Reason2-2B tokenizer.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Класс архитектуры
Gr00tN1d7
Ревизия весов
9d90b15

0 моделей