/ Модель
Каталог

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
10 июл 2026

Ссылки

Hugging Face

HAS-Bench-baselines

TUM-ICS
Языковая модельИзображение, текст → action

Мультимодальный тактильный классификатор TUM-ICS предсказывает объект и его вес по сигналам сенсоров робота на наборе Hide-and-Seek.

0скачиваний за 30 дней0лайковвеса обновлены10 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

TUM-ICS опубликовала предварительно обученные контрольные модели для набора тактильных данных Hide-and-Seek. Это мультимодальный классификатор с двумя выходными головами: одна предсказывает объект, другая — его вес. Чекпойнты обучены конвейером публичного релиза с фиксированным seed 42.

Вариант m123 использует тактильное облако точек, исходные сигналы сенсорной кожи и виртуальные силы и моменты на коже; вариант m12345 дополнительно принимает позу конечного эффектора и показания датчика силы и момента на запястье. Модель предназначена для оценки этих базовых сценариев на данных Hide-and-Seek; репозиторий также содержит итоговые метрики обучения. Лицензия — MIT.

Сценарии применения

  • классификация объекта по тактильным сигналам
  • оценка веса предмета при манипуляции роботом
  • сравнение тактильных базовых моделей на Hide-and-Seek

Ограничения

Модель описана как базовый классификатор для набора Hide-and-Seek; её применимость к другим сенсорам и задачам не подтверждена. В README не приведены численные результаты качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HAS-Bench Baselines

Pretrained baseline checkpoints for the Hide-and-Seek tactile dataset: a dual-head multimodal classifier with an object head and a weight head, trained with the public release pipeline (seed 42).

FileModalities
m123/best_model.pttactile point cloud + raw skin signals + virtual skin wrenches
m12345/best_model.pt+ end-effector pose + wrist F/T

Each directory also contains the last_metrics.json written at the end of training.

Usage

hf download TUM-ICS/HAS-Bench-baselines --local-dir checkpoints

Dataloaders and evaluation scripts: https://github.com/TUM-ICS/Tactile-Hide-and-Seek

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
c2e03e3

0 моделей

    Создать бенчмарк