/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Базовая модель
Cosmos3-Edge-Policy-DROID
Опубликована
10 авг 2026

Cosmos3-Edge-Policy-SO101-init

Языковая модельИзображение, текст → action3 профессии

Начальный чекпойнт Cosmos3 для управления рукой SO-101, преобразованный в формат LeRobot и рассчитанный на предстоящее дообучение под роботизированные задачи.

145скачиваний за 30 дней0лайковвеса обновлены10 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

Cosmos3-Edge-Policy-SO101-init — конвертированный в формат политики LeRobot и адаптированный к роботизированной руке SO-101 чекпойнт на основе NVIDIA Cosmos3-Edge-Policy-DROID. Это начальная, ещё не дообученная на SO-101 версия: согласно карточке, веса побитово совпадают с релизом NVIDIA, а изменены конфигурация и контракт нормализации. Модель использует архитектуру Mixture-of-Transformers размером 4B и предназначена для управления действиями робота: принимает наблюдения с камер на запястье и сверху и выдаёт абсолютные позиции пяти суставов и захвата.

Третий вид камеры из исходной конфигурации заполняется нулями; вектор действий имеет размерность 6, а нормализация использует квантили q01/q99, статистики которых подаются при обучении. Для запуска нужны политика cosmos3 из упомянутого в README PR и diffusers git main версии не ниже 0.40.0.dev0, а также huggingface_hub и safetensors указанных версий. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Сценарии применения

  • дообучение политики управления рукой SO-101 на демонстрациях робота
  • предсказание абсолютных позиций суставов и захвата SO-101
  • управление рукой по изображениям с верхней и кистевой камер

Ограничения

Это начальный чекпойнт без дообучения на SO-101, поэтому для практического управления его следует адаптировать на данных целевой задачи. Для запуска требуются конкретные версии cosmos3, diffusers, huggingface_hub и safetensors; условия лицензии обозначены как other, но не уточнены.

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

Cosmos3-Edge-Policy-SO101-init

nvidia/Cosmos3-Edge-Policy-DROID (4B Mixture-of-Transformers world action model, DROID 8-D joint policy) converted to the LeRobot cosmos3 policy format and retargeted to the SO-101 embodiment (5 joints + gripper, absolute joint position). This is the un-finetuned initialization checkpoint: weights are bit-identical to the NVIDIA release; only the config/normalization contract changed. No weight surgery is needed because the Cosmos3 action head is a DomainAwareLinear over a zero-padded 64-dim action vector with a per-sample raw-dim mask.

Converted with scripts/convert_cosmos3_edge_policy_to_lerobot.py from nota-github/xpu-lerobot#6.

SO-101 retargeting (vs the DROID contract)

fieldDROIDthis repo
raw_action_dim8 (7 joints + gripper)6 (5 joints + gripper)
cameraswrist + left/right over-shoulderwrist + top (3rd view zero-padded)
normalization—QUANTILES (q01/q99 → [-1,1]), stats injected from the training dataset at train time
conditioning_fps1530
invert_grippertruefalse
chunk_size / n_action_steps32 / 3232 / 32
domain_id8 (droid_lerobot)8 (reused, adapted by fine-tuning)

Usage

Requires the cosmos3 policy from the PR above and diffusers git main (>= 0.40.0.dev0 schema — 0.39 silently drops use_und_k_norm_for_gen/qk_norm_for_text/hidden_act and builds a different architecture), huggingface_hub>=1.23, safetensors>=0.8.

lerobot-train \
  --policy.path=geonmin-kim/Cosmos3-Edge-Policy-SO101-init \
  --dataset.repo_id=<your SO-101 LeRobot dataset> ...

Tokenizer resolution is fully portable: text_processor_name_or_path and the serialized processor's processor_name point at this repo id (with local_files_only=false), and preprocessor_config.json ships so Qwen3VLProcessor loads without the AutoTokenizer fallback. No overrides needed on a fresh machine.

Fine-tuned descendants

  • Flow matching (4-step): geonmin-kim/Cosmos3-Edge-SO101-Morig-D6231-step{3000..30000} — use guidance_scale=1.0 at inference (no prompt dropout during fine-tuning, CFG hurts).
  • Drift 1-step (num_inference_steps=1): geonmin-kim/Cosmos3-Edge-SO101-Drift-D6231-step{5000..100000} — recommended for deployment (open-loop MAE 5.45 vs 26.96, latency 0.25s vs 0.62s per chunk on B200).

Training data of the descendants: geonmin-kim/SO101-large-small-cube-11dataset-ratio6231-0729.

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.

Ревизия весов
18204d1

0 моделей