/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
18 сен 2026

Uranus-1.3B

Видео из изображенияИзображение, текст → видео

Uranus-1.3B генерирует потоковое видео симуляции робота по траекториям суставов и изображениям с камер.

0скачиваний за 30 дней0лайковвеса обновлены26 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

Uranus-1.3B — модель из семейства Uranus от D-Robotics для генерации видео в симуляторе роботов. Она использует авторегрессионную диффузионную модель, обусловленную траекториями суставов: принимает заданные онлайн будущие положения суставов и генерирует последовательность кадров без фиксированной длины. Каждый шаг создаёт один латентный кадр, соответствующий четырём RGB-кадрам; предусмотрена синхронная генерация с нескольких камер для разных роботов и конфигураций камер.

Модель предназначена для потокового моделирования поведения роботов по траекториям управления. В карточке указано разрешение 384×640 и 25 шагов инференса; после оптимизации заявлена скорость 24 кадра в секунду. README также описывает отдельный дистиллированный вариант Uranus-1.3B-Distillation с четырьмя шагами инференса, но этот репозиторий содержит SFT-модель.

Для работы нужны данные робота с положениями суставов qpos, модель робота MJCF с откалиброванными камерами и опорное изображение для каждой камеры; поддерживаются примеры для нескольких роботизированных платформ и наборов данных. Лицензия репозитория — Apache-2.0. Указанная скорость зависит от оптимизации инференса, а применение модели требует подготовленных данных и конфигурации робота.

Сценарии применения

  • потоковая генерация видео движения робота по траектории суставов
  • моделирование будущих кадров для заданных положений суставов
  • синхронная генерация видов с нескольких камер
  • симуляция траекторий для разных роботизированных платформ
  • проверка сценариев управления роботом на подготовленных эпизодах

Ограничения

Для инференса требуются подготовленные данные с qpos, описание робота MJCF с калиброванными камерами и опорные изображения; заявленная скорость 24 кадра в секунду достигается после оптимизации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Uranus


In this repository, we present Uranus, a data-driven robot simulator built around a joint-trajectoryconditioned autoregressive diffusion model. Uranus offers three key capabilities:

  • streaming, open-ended rollout, which receives future joint-position trajectories online and autoregressively generates one latent frame per step, corresponding to four RGB frames, without a fixed horizon
  • low-latency generation, achieving 24 FPS after inference optimization
  • scalable, extensible robot control, providing a unified interface for synchronized multi-view generation across diverse robot embodiments and camera configurations.

More technical details can be found in our technical report, and visualization demos are available on our blog.

Quickstart

Installation

Install uv

curl -LsSf https://astral.sh/uv/install.sh | sh

Create the environment and install dependencies

git clone https://github.com/D-Robotics-AI-Lab/Uranus-OSS.git
cd Uranus-OSS
uv sync

All commands in this repo are run through uv run python <cmd>, which resolves .venv/ automatically without manual activation.

Download model weights

ModelsDownload LinkNotes
Uranus-1.3B🤗 Huggingface 🤖 ModelScopeSFT model, 384×640, 25 inference steps
Uranus-1.3B-Distillation🤗 Huggingface 🤖 ModelScopeDistilled model, 384×640, 4 inference steps

You can download the weights with the Hugging Face CLI (pip install -U huggingface_hub if you don't have it):

# SFT model (17.5 GB) into ./weights/uranus-1.3b
hf download D-Robotics/Uranus-1.3B --local-dir ./weights/uranus-1.3b

# Distilled model (17.5 GB) into ./weights/uranus-1.3b-distillation
hf download D-Robotics/Uranus-1.3B-Distillation --local-dir ./weights/uranus-1.3b-distillation

For gated repos, set HF_TOKEN first (hf auth login or export HF_TOKEN=...). The same repos are mirrored on ModelScope — use modelscope download D-Robotics/Uranus-1.3B --local-dir ./weights/uranus-1.3b.

Uranus consumes converted weights from a single directory. Expected layout:

weights_dir/
├── dit.pt                     # SpatialTemporalWanModel state_dict
├── vae.pt                     # WanVideoVAE state_dict (loaded strict=False)
├── text_encoder.pt            # WanTextEncoder (T5) state_dict
├── plucker_adapter.pt         # Plücker-conditioning adapter
├── vace_patch_embedding.pt    # skeleton controller patch embedding
├── tokenizer/                 # HuggingFace tokenizer directory
└── metadata.json              # model + inference metadata

Download test samples

We provide a set of ready-to-run test samples covering a variety of robot embodiments (ALOHA, ARX5, UR5, Franka, G1, DOS-W1, X5) and data sources (AgiBot World, DROID, RC-Table). Download and unpack them from Huggingface into examples/data/.

hf download D-Robotics/Uranus-Demo-Data --repo-type dataset --local-dir ./examples/data

Each episode lands in ./examples/data/<episode_id>/ and can be passed directly to main.py --sample-dir.

Each sample is a self-contained "XML-environment" directory:

sample_dir/
├── meta.json            # prompt, cameras, mjcf_path, end_effectors, skeleton, fps
├── temporal.json        # step_qpos: [{state, robot2world_transform}, ...]
├── mjcf/
│   └── <robot>.xml      # robot MJCF with baked-in camera calibration & mounts
├── ref_images/
│   └── <camera>.png     # one reference image per camera
└── gt/
    └── <camera>.mp4     # ground-truth video per camera

Your own robot data can be converted into this same format and fed to inference as well, as long as it provides the per-frame qpos, the robot MJCF with calibrated cameras, and one reference image per camera.

Run inference

Run generation on a test sample with the pretrained model:

uv run python main.py \
  --weights-dir <weights_dir> \
  --sample-dir examples/data/000000 \
  --output-dir ./output

Flag reference

FlagRequiredDescription
--weights-diryesPath to the converted weights directory (see Download model weights). Must contain metadata.json.
--sample-diryesPath to a single XML-environment sample (see Download test samples).
--output-dirnoRoot directory for generated videos. Defaults to ./output.
--num-chunksnoNumber of autoregressive chunks to roll out. Omit to automatically use every frame in temporal.json (trailing partial chunk is padded with the last frame, then trimmed back to the original length in the output).

Hyperparameters are auto-resolved from metadata.json

num_inference_steps, step_length, default_height, default_width, and teacher_forcing_window_size are read from the checkpoint's metadata.json automatically — no extra flags are needed. Any flag passed explicitly on the CLI takes precedence over the metadata. For example, the SFT model defaults to 25 denoising steps, while the distilled model defaults to 4.

Outputs

Each run writes four aligned video streams per camera under --output-dir:

  • gen/ — model-generated video
  • gt/ — ground-truth video (copied from the sample for comparison)
  • skeleton/ — rendered MuJoCo skeleton visualization
  • plucker/ — Plücker-coordinate conditioning visualization (force RGB + ray-direction RGB)

Plus a preview.mp4 that stacks all four streams side by side for quick qualitative comparison.

License

This project is released under the Apache License 2.0. By using, distributing, or contributing to this repository, you agree to the terms and conditions of the license.

Acknowledgments

We would like to express our gratitude to the Wan and diffsynth Team for open-sourcing their code and models. Their contributions have been instrumental to the development of this project.

Citation

🌟 If you find our work helpful, please leave us a star and cite our paper.

@article{drobotics2026uranus,
  author  = {D-Robotics Large Model Team},
  title   = {Uranus: Building the Next-Generation Simulation Infrastructure for Embodied AI},
  journal = {D-Robotics AI Blog},
  year    = {2026},
}

Contact Us

If you would like to leave a message to our research or product teams, feel free to join our WeChat groups!

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
6270b66

0 моделей