/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
20 авг 2026

flexpi-robotwin

Языковая модельИзображение, текст → action3 профессии

Flex-π RoboTwin 2.0 — визуально-двигательная политика для управления роботом при выполнении задач манипуляции из бенчмарка RoboTwin 2.0.

100скачиваний за 30 дней3лайкавеса обновлены20 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

Flex-π RoboTwin 2.0 — контрольная модель для управления роботом, разработанная для выполнения всех 50 задач бенчмарка RoboTwin 2.0. Она принимает наблюдения с трёх камер и предсказывает действия робота; поддерживает режим только действий для более дешёвого вывода и совместный режим, который дополнительно предсказывает будущие видео, признаки DINO и карты точек. Оба режима используют одни и те же веса, а между ними переключаются при выводе.

Архитектура объединяет видео-DiT Wan2.2-TI2V-5B и ActionDiT с помощью HBridge; всего указано 30 слоёв и 4 шага денойзинга. Модель обучена совместно на демонстрациях для 50 задач RoboTwin 2.0 в чистых и рандомизированных условиях. В статье сообщается средняя успешность 94,6% в обоих режимах вывода. Репозиторий содержит только веса политики; для работы отдельно требуются базовые компоненты Wan2.2 и ActionDiT, а также конфигурация и статистика нормализации из репозитория.

Лицензия — MIT. Модель предназначена для роботизированных задач RoboTwin 2.0; заявленные результаты относятся к этому бенчмарку, поэтому их нельзя автоматически переносить на другие роботы, среды или задачи.

Сценарии применения

  • Управление роботом при выполнении задач манипуляции RoboTwin 2.0
  • Предсказание действий робота по наблюдениям с трёх камер
  • Выбор режима вывода с дополнительным предсказанием будущего видео и пространственных признаков
  • Оценка роботизированных политик в чистых и рандомизированных условиях

Ограничения

Репозиторий содержит только веса политики: для запуска отдельно нужны базовые компоненты Wan2.2 и ActionDiT, конфигурация и статистика нормализации. Заявленные показатели относятся к RoboTwin 2.0 и не подтверждают качество на других роботах и задачах.

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

Flex-π — RoboTwin 2.0 (3-camera, 384×320)

Flex-π checkpoint for RoboTwin 2.0, trained jointly on all 50 tasks.

Results

RoboTwin 2.0, success rate (%) over 50 tasks, as reported in the paper (Table 1). Clean and Randomized are background conditions; the two rows are inference regimes served by these same weights.

Inference regimeCleanRandomizedAvg.
Action-only94.594.694.6
Full joint94.394.894.6

K = 4 Euler denoising steps throughout. Full joint additionally denoises the future-video, DINO, and pointmap streams; action-only skips them, trading them for cheaper inference at the same average success rate. Selecting a regime is an inference-time flag — no retraining, no separate weights.

Architecture

A Mixture-of-Transformers pairing a video DiT with an action DiT, coupled by HBridge. Alongside actions the model can denoise three auxiliary streams: future video, DINO features, and pointmaps.

Video expertWan2.2-TI2V-5B, 5.00 B params
Action expertActionDiT, 1.02 B params
Layers30 (HBridge: 7 bottom / 16 middle / 7 top)
Semantic encoderDINOv3 vit_base_patch16_dinov3.lvd1689m, 768-d, frozen
Camerascam_high, cam_left_wrist, cam_right_wrist @ 240×320
Composite video384×320, 33 frames
Action / proprio14-d each (bimanual ALOHA-AgileX), ConcatLeftAlign
Action : video rate4:1

Training

Data2,500 clean + 25,000 randomized demos, all 50 tasks
Epochs6
Learning rate1e-4
Precisionbf16

Trained with flex-joint sampling at p = 0.5 on every present and joint flag, with cross-modal prediction enabled for all three streams. That is what lets one set of weights serve any regime in the results table above.

Files

config.yaml                            # architecture + processor; autoloaded by the eval
dataset_stats.json                     # action/state normalization statistics
checkpoints/weights/step_048060.pt     # 12 GB

Keep this directory layout. The eval locates config.yaml and dataset_stats.json by walking up from the checkpoint path.

Usage

This repository holds the policy weights only. The Wan2.2 base components and the ActionDiT backbone are separate downloads, resolved through DIFFSYNTH_MODEL_BASE_PATH — see docs/INSTALL.md and docs/ROBOTWIN.md.

hf download flex-pi/flexpi-robotwin --local-dir runs/flexpi-robotwin

export DIFFSYNTH_MODEL_BASE_PATH="$(pwd)/checkpoints"   # Wan2.2 weights

Then set the checkpoint at the top of scripts/eval_flexpi_robotwin.sh:

CKPT="./runs/flexpi-robotwin/checkpoints/weights/step_048060.pt"
DATASET_STATS="./runs/flexpi-robotwin/dataset_stats.json"

and run:

bash scripts/eval_flexpi_robotwin.sh

The launcher defaults reproduce the full joint row: NUM_INFERENCE_STEPS=4, INSTRUCTION_TYPE=unseen, EVAL_NUM_EPISODES=100, and all six regime flags true. For the action-only row, set the three INFER_JOINT_* flags to false. PHASES=clean,random covers both background conditions.

License

MIT — see LICENSE.

Citation

@article{yan2026flexpi,
  title   = {Flex-$\pi$: A Multi-Stream World-Action Model with Compute Flexibility},
  author  = {Yan, Ge and Liu, Jinghao and Fan, Yuzhi and Cai, Lei and Liao, Minwen
             and Zhang, Jesse and Fox, Dieter},
  journal = {arXiv preprint arXiv:2608.10860},
  year    = {2026},
  url     = {https://arxiv.org/abs/2608.10860}
}

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
87d3833

0 моделей