Характеристики

Размер весов: 12,6 ГБ
Лицензия: Своя лицензия
Архитектура: Gr00tN1d7 · dense
Базовая модель: GR00T-N1.7-3B
Опубликована: 29 июн 2026

Ссылки

Hugging Face

openarm-packingbench-v1-groot-n17-90k-350ep

Cybernetic-Labs

Языковая модельИзображение, текст → action3 профессии

Дообученная модель GR00T N1.7 управляет двуруким роботом OpenArm для упаковки предметов в коробку в симуляции.

11скачиваний за 30 дней0лайковвеса обновлены29 июн 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

OpenArm PackingBench v1 — это дообученный чекпойнт NVIDIA GR00T N1.7 на 3 млрд параметров для управления двуруким роботом OpenArm при упаковке предметов. Модель основана на nvidia/GR00T-N1.7-3B, использующем визуально-языковую основу nvidia/Cosmos-Reason2-2B; опубликованы веса в формате safetensors для инференса на шаге обучения 90 000.

Модель предназначена для выполнения задачи pick-and-pack в симуляции Isaac Sim: по изображению с четырёх камер и формулировке задания она управляет 16-степенным двуруким OpenArm, чтобы поместить один или два предмета в коробку и закрыть её. Обучение проводилось имитационным методом на 350 эпизодах и 137 678 кадрах; оценка описана для сцены с коробкой ShippingBoxSmall и степлером Stapler6.

Модель узкоспециализирована на вариантах задачи упаковки и конфигурации OpenArm из обучающего набора. README указывает лицензию репозитория как other, но конкретные условия не раскрывает.

Сценарии применения

упаковка одного предмета в коробку двуруким OpenArm
упаковка двух предметов в коробку
закрытие коробки после укладки предметов
проверка политики манипуляции в Isaac Sim на четырёхкамерной конфигурации OpenArm

Ограничения

Назначение ограничено задачами упаковки и конфигурацией двурукого OpenArm, описанными в карточке; приведена оценка только в симуляции Isaac Sim. Лицензия обозначена как other, поэтому конкретные условия использования следует уточнить отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OpenArm PackingBench v1 — GR00T N1.7 (90k, 350-ep)

Fine-tune of NVIDIA GR00T N1.7 (3B) for a bimanual OpenArm pick-and-pack task. This repo holds the inference checkpoint at 90,000 steps.

Base model

nvidia/GR00T-N1.7-3B (vision-language backbone: nvidia/Cosmos-Reason2-2B)

Dataset

openarm_dataset_1_groot_lerobot_350_mixed (LeRobot v2.0)
350 episodes · 137,678 frames
4 cameras: front, high_opposite, wrist_left, wrist_right
16-DOF bimanual OpenArm
3 task variants (pack one / pack two / close-the-box phrasings)

Training

Setting	Value
Steps	90,000 (this checkpoint)
Global batch size	8
Gradient accumulation	1
Save interval	every 30k (30k / 60k / 90k)
Embodiment tag	`new_embodiment`
Final train loss	~0.033
GPU	1× RTX 6000 Ada (49 GB)

Launched with gr00t/experiment/launch_finetune.py (Isaac-GR00T n1.7-release, commit 23ace64), absolute modality config, --save-only-model.

Files

model-0000{1,2,3}-of-00003.safetensors + model.safetensors.index.json — weights
config.json, experiment_cfg/, processor_config.json, embodiment_id.json — model/inference config
statistics.json — normalization statistics
trainer_state.json, training_args.bin — training metadata

Evaluation

Evaluated in Isaac Sim via a GR00T policy server + simulated rollout (two-object packing scene: ShippingBoxSmall + Stapler6). Inference uses --exec-horizon 8 with the OpenArm 4-cam bimanual data config.

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: 1c2c66b