/ Модель

Характеристики

Размер весов
6,9 ГБ
Лицензия
Своя лицензия
Архитектура
Gr00tN1d7 · dense
Базовая модель
GR00T-N1.7-3B
Опубликована
6 июл 2026

lerobot-teleop-armar-6-gr00t-n1.7

Языковая модельИзображение, текст → action3 профессии

Дообученная на демонстрациях телеуправления ARMAR-6 модель VLA для экспериментального преобразования наблюдений робота в управляющие действия.

15скачиваний за 30 дней0лайковвеса обновлены3 авг 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

cvhci дообучила модель NVIDIA Isaac-GR00T N1.7-3B на данных телеуправления двуручным роботом ARMAR-6. Это плотная VLA-модель для робототехники, предназначенная для преобразования наблюдений робота и инструкций в управляющие действия; обучение охватило 850 эпизодов и 431 формулировку задачи из трёх наборов данных. Модель распространяется в формате safetensors по лицензии other.

Модель можно использовать как воспроизводимую базовую линию для экспериментов с задачами манипуляции ARMAR-6 и для оценки обучения по демонстрациям. На отложенных эпизодах она лишь немного превосходит базовый вариант с удержанием текущей позы и в значительной степени игнорирует языковые инструкции, поэтому не подходит для развёртывания как рабочая политика. Перед использованием требуется преобразовать позы запястья Wri2 в систему координат контроллера; также нужно учитывать, что значение захвата руки передаётся как команда и не отражает измеренную обратную связь.

Сценарии применения

  • воспроизведение базового эксперимента телеуправления ARMAR-6
  • оценка политики управления двуручной манипуляцией по демонстрациям
  • сравнение обучения на эпизодах телеуправления роботом
  • исследование влияния языковых инструкций на управление роботом

Ограничения

На отложенных эпизодах модель лишь немного превосходит базовый вариант с удержанием текущей позы и в значительной степени игнорирует языковые инструкции. Перед управлением необходимо преобразовать координаты Wri2 и откалибровать зоны безопасности; обратная связь о положении кисти отсутствует.

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

GR00T N1.7 fine-tuned on ARMAR-6 teleoperation (multi-task)

Isaac-GR00T N1.7 (3B) fine-tuned on 850 bimanual teleoperation episodes recorded on ARMAR-6 (KIT H2T) with the xr_teleoperate pipeline.

Read the evaluation before using this model. On held-out episodes it barely outperforms a zero-order-hold baseline ("command the pose you are already at") and it largely ignores the language instruction (contrast-pair divergence ratio 0.09 out of 1.0). It is a reproducible baseline and a diagnostic artifact, not a policy we would deploy. Details and figures: EVAL.md.

Base modelnvidia/GR00T-N1.7-3B
Training data850 episodes / 160,233 frames @ 15 Hz, 3 datasets
Instructions431 distinct task strings (median 2 demonstrations each)
Steps20,000 (global batch 128, 8x RTX PRO 6000)
Final training loss0.0088
Embodimentarmar6_wri2 — 20-D state/action, Wri2 wrist-link poses
Validation58 held-out episodes, split holdout_v2

Version history

  • v2-850ep (this revision) — multi-task model, 850 episodes across three collection batches, 431 instructions, 20k steps.
  • v1-20ep — the first model: 20 episodes, two tasks, 10k steps. Reachable at that tag.

Kinematic contract — read before deploying

End-effector poses are the Wri2 wrist-link pose in the ARMAR-6 URDF base frame, not the ArmarX TCP in the ArmarX root frame. A deployment must apply the fixed Wri2→TCP and URDF-base→ArmarX-root transforms before commanding the controller, and the safety boxes need recalibration for this frame. Grip is a normalized closure 0..1 (1 = closed); state and action both carry the commanded closure, since the hand reports no feedback.

State and action are 20-D: left_eef (9-D, xyz + rot6d), left_hand (1-D), right_eef (9-D), right_hand (1-D). Actions are absolute poses in the stored data; GR00T's modality config converts end-effector actions to a relative representation internally.

Usage

from gr00t.policy.gr00t_policy import Gr00tPolicy

policy = Gr00tPolicy(
    embodiment_tag="new_embodiment",
    model_path="cvhci/lerobot-teleop-armar-6-gr00t-n1.7",
    device="cuda",
)
action = policy.get_action(observation)   # observation from a LeRobot v2.1 loader

The modality config is generated from the embodiment spec in armarx_groot; MANIFEST.yaml records the spec's SHA-256 so a checkpoint can be verified against it.

Training data

Three datasets, all "one dataset per collection batch":

datasetepisodes usednote
cvhci/teleop-armar-6-00402first batch
cvhci/teleop-armar-6-0131legacy salvaged depth
cvhci/teleop-armar-6-02433clean 16-bit depth

Episodes marked val or excluded in each dataset's meta/split.jsonl were withheld: 58 held out for validation, 66 excluded as failed attempts or deletion markers. The split is reproducible from eval/holdout_v2.json.

See TRAINING.md for what was trained and why, and EVAL.md for what it can and cannot do.

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
6ec3b97

0 моделей