/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
1 июл 2026

genesis-flowdit-v3-humanoid

Языковая модельИзображение, текст → action

FlowDiT V3 Humanoid — модель навигации Unitree G1, преобразующая целевое видео и текущее изображение в команды движения робота.

0скачиваний за 30 дней0лайковвеса обновлены1 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

FlowDiT V3 Humanoid — модель на основе Diffusion Transformer для навигации двуногого робота Unitree G1 по видео. Она входит в исследовательский фреймворк GENESIS и разработана Jeffrin Sam; в карточке указана статья Action Agent: Agentic Video Generation Meets Flow-Constrained Diffusion для IROS 2026.

Модель принимает целевое видео и текущее изображение наблюдения. Замороженный визуальный энкодер DINOv2-ViT-B/14 и энкодер оптического потока RAFT передают признаки в DiT с механизмом внимания, учитывающим ограничения баланса и движения всего тела. На выходе — команды скорости по трём степеням свободы и сигнал фазы шага. Указаны результаты оценки в Isaac Sim: успешность 100% на дистанции 3 м и средняя ошибка траектории 0,38 м; показатель около 39% на дистанции 1 м получен после постобработки.

Для инференса используются PyTorch и около 4 ГБ видеопамяти. Карточка описывает применение для Unitree G1 и не подтверждает переносимость на другие роботы или реальные условия. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • навигация гуманоидного робота Unitree G1 по целевому видео
  • вычисление команд скорости по изображению текущего наблюдения
  • планирование движения робота с учётом равновесия и фазы шага

Ограничения

Модель предназначена для Unitree G1; README приводит оценку в Isaac Sim и не подтверждает качество на других роботах или в реальной среде. Для инференса требуется около 4 ГБ видеопамяти.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FlowDiT V3 Humanoid — Video-to-Navigation (GENESIS)

Part of the GENESIS research framework: video-conditioned robot learning.

Paper: Action Agent: Agentic Video Generation Meets Flow-Constrained Diffusion (IROS 2026)

Code: github.com/jeffrinsam/GENESIS → part2_navigation/flow_constrained_v3_humanoid/

Model Description

FlowDiT V3 Humanoid is an inference-optimized Diffusion Transformer specialized for bipedal humanoid navigation (Unitree G1). It extends FlowDiT V2 with humanoid-specific motion constraints and whole-body balance priors.

Architecture:

  • Visual encoder: DINOv2-ViT-B/14 (frozen)
  • Flow encoder: RAFT optical flow with humanoid-specific temporal attention
  • DiT backbone: Enlarged Diffusion Transformer with balance-constraint cross-attention
  • Output: 3-DOF velocity command [vx, vy, yaw_rate] + gait phase signal

Target robot: Unitree G1 humanoid (inference only — see code for the training pipeline).

Runtime: PyTorch 2.9.1+cu128, requires ~4 GB VRAM for inference.

Performance

Evaluated on Unitree G1 in Isaac Sim navigation tasks:

MetricValue
Success Rate (SR @ 3.0 m)100%
SR @ 1.0 m (post-processed)~39%
Avg Trajectory Error (ATE)0.38 m

Usage

# Activate the V3 inference venv (torch 2.9.1+cu128)
cd GENESIS/part2_navigation/flow_constrained_v3_humanoid
source .venv/bin/activate

python infer_humanoid.py \
  --checkpoint flowdit_v3_humanoid_best.pt \
  --goal_video goal.mp4 \
  --current_obs obs.jpg

Download via the GENESIS checkpoint script:

bash scripts/download_checkpoints.sh

Checkpoint Details

FileSizeFormat
flowdit_v3_humanoid_best.pt982 MBPyTorch state dict + config

Citation

@inproceedings{sam2026actionagent,
  title     = {Action Agent: Agentic Video Generation Meets Flow-Constrained Diffusion},
  author    = {Sam, Jeffrin and Khang, Nguyen and Mahmoud, Yara and
               Altamirano Cabrera, Miguel and Tsetserukou, Dzmitry},
  booktitle = {2026 IEEE/RSJ International Conference on Intelligent Robots
               and Systems (IROS)},
  year      = {2026},
  note      = {arXiv:2605.01477}
}

License

Apache 2.0. See LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
40e1d90

0 моделей