/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
citywalker · dense
Библиотека
transformers
Опубликована
12 мая 2026

citywalker

Языковая модельИзображение, текст → action3 профессии

CityWalker предсказывает будущие двумерные путевые точки для навигации робота по последовательности городских кадров и поз.

352скачиваний за 30 дней0лайковвеса обновлены14 мая 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

CityWalker — модель прогнозирования путевых точек, разработанная ai4ce и опубликованная как порт для Hugging Face. Она обучена примерно на 2000 часах масштабных городских видео ходьбы и вождения; веса исходного чекпойнта PyTorch Lightning упакованы в формат Transformers для загрузки через AutoModel. Модель принимает пять прошлых RGB-кадров и шесть координат поз (пять прошлых и одну целевую) в относительной системе координат текущей позы и предсказывает пять будущих двумерных XY-точек маршрута. Кадры обрабатываются кадрированием, изменением размера и нормализацией ImageNet; координаты заданы в единицах step_scale, которые можно преобразовать в метры.

Модель предназначена для навигации роботов и планирования движения по визуальному контексту городской среды. Она выдаёт только координаты путевых точек, без курса или угловой скорости; для управления роботом эти величины нужно вычислять отдельно. Репозиторий содержит преобразованные веса в safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • прогнозирование следующих точек маршрута робота по кадрам с камеры
  • планирование движения робота в городской среде
  • навигация по видео ходьбы и вождения
  • оценка локальной траектории относительно текущей позы

Ограничения

Модель предсказывает только двумерные XY-координаты и не выдаёт курс или угловую скорость; для контроллера их нужно вычислить отдельно. Координаты масштабированы относительно step_scale, поэтому для получения расстояний в метрах требуется восстановить масштаб.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CityWalker (2000hr)

HuggingFace port of the CityWalker waypoint-prediction model (CVPR 2025), trained on ~2000 hours of web-scale urban walking and driving videos. This repo contains the converted weights of CityWalker_2000hr.ckpt (originally a PyTorch Lightning checkpoint) re-packaged as a transformers.PreTrainedModel so it can be loaded with AutoModel.from_pretrained directly.

Upstream training dataset: ai4ce/CityWalker. Our port (model wrapper + ckpt converter + benchmark integration) lives in ai4ce/wanderland-benchmark.

Architecture

images (B, 5, 3, H, W)  ─► center_crop(400) + resize(392) + ImageNet norm
                         ─► DINOv2 (vit-b/14)        ─► obs tokens (B, 5, 768)
coords (B, 6, 2)         ─► PolarEmbedding + Linear  ─► goal token  (B, 1, 768)
                                                      ─► concat ─► (B, 6, 768)
                                                      ─► TransformerEncoder (8 heads, 16 layers)
                                                      ─► MLP head
                                                      ─► waypoints (B, 5, 2)
                                                      ─► arrive_logits (B, 1)
  • context_size = 5 past RGB frames.
  • len_traj_pred = 5 future XY waypoints.
  • The 6 coord rows are the 5 past poses + 1 target pose, all expressed in the current-pose-relative frame and divided by the per-video step_scale (so the model consumes dimensionless units, not meters).

Usage

from transformers import AutoModel

model = AutoModel.from_pretrained(
    "ai4ce/citywalker",
    trust_remote_code=True,
)
model.eval()

The repo bundles modeling_citywalker.py and configuration_citywalker.py under auto_map, so trust_remote_code=True is all you need — no need to pip-install the wanderland-lab package. The DINOv2 backbone weights are included in model.safetensors.

Inputs / Outputs

NameShapeNotes
images(B, 5, 3, H, W) float32RGB in [0, 1]; the model applies center_crop(400) → resize(392) → ImageNet normalize internally
coords(B, 6, 2) float325 past poses + 1 target pose in the current-pose-relative frame, scaled by 1 / step_scale
waypoints out(B, 5, 2) float32Predicted XY waypoints in the current-pose-relative frame, in step_scale units — multiply by step_scale to recover meters
arrive_logits(B, 1) float32Pre-sigmoid logit for the "arrived at target" binary classifier

The model predicts 2D XY waypoints only. It does not output a heading or yaw. Downstream controllers that need (vx, vy, yaw_rate) derive yaw from the predicted waypoint direction (e.g. atan2(wp_y, wp_x)).

Policy wrapper

For robot-control use — per-episode position history, step_scale estimation from recent motion, lookahead along a reference path, and conversion of the waypoint to a body-frame velocity command — see CityWalkerPolicy in ai4ce/wanderland-benchmark.

Citation

@inproceedings{liu2025citywalker,
  title={Citywalker: Learning embodied urban navigation from web-scale videos},
  author={Liu, Xinhao and Li, Jintong and Jiang, Yicheng and Sujay, Niranjan and Yang, Zhicheng and Zhang, Juexiao and Abanes, John and Zhang, Jing and Feng, Chen},
  booktitle={Proceedings of the Computer Vision and Pattern Recognition Conference},
  pages={6875--6885},
  year={2025}
}

License

Apache-2.0, matching the upstream ai4ce/CityWalker repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Класс архитектуры
CityWalkerModel
Ревизия весов
1b5d169

0 моделей