/ Модель

Характеристики

Размер весов
17 ГБ
Лицензия
Apache 2.0
Архитектура
RLDX-1 · dense
Базовая модель
RLDX-1-PT-IMG
Библиотека
rldx
Опубликована
29 июл 2026

rldx1-origami-s5

Языковая модельИзображение, текст → action

Дообученная политика RLDX-1 для управления двумя роботизированными руками при складывании бумаги по изображению, состоянию суставов и текстовой инструкции.

8скачиваний за 30 дней0лайковвеса обновлены29 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

RLDX-1 Origami — дообученная модель vision-language-action на базе RLWRLD/RLDX-1-PT-IMG, подготовленная командой xCath для бимануального складывания бумаги на роботе North POC2.2 с двумя руками Sharpa Wave. Это диффузионная политика действий семейства RLDX-1: она принимает RGB-изображение с одной головной камеры, состояние суставов и текстовую инструкцию, а затем выдаёт последовательность из 16 целевых конфигураций суставов. Модель рассчитана на запуск через сервер политики, совместимый с OpenPI-websocket, внутри контейнера xcath-origami; самостоятельный запуск как обычной модели Transformers не предусмотрен.

Чекпойнт обучен на 86 сезонах данных по складыванию бумаги, использует 63 степени свободы при выводе, а сервер преобразует результат в контракт на 65 степеней свободы. В карточке описан сценарий «сложи самолётик» и приведены метрики оценки на отложенном сезоне: MAE действий 0,0404 рад и RMSE 0,0695. Модель использует только изображение head_left; изображения с камер на запястьях принимаются сервером, но игнорируются. Для работы предполагается исполнение примерно шести шагов из каждого блока перед новым планированием; сервер применяет сглаживание потока действий. Лицензия — Apache-2.0.

Сценарии применения

  • бимануальное складывание бумаги в самолётик
  • управление двумя роботизированными руками по изображению и инструкции
  • предсказание последовательности целевых углов суставов робота
  • запуск политики манипуляции через OpenPI-websocket совместимый сервер

Ограничения

Модель использует только одну головную камеру и не учитывает изображения с камер на запястьях. Она предназначена для запуска в контейнере xcath-origami через сервер политики, а клиенту следует исполнять около шести шагов из блока действий перед перепланированием.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RLDX-1 Origami — bimanual paper folding (xCath, s5 / step 24000)

Fine-tuned RLDX-1 vision-language diffusion action policy for bimanual paper folding ("fold the plane") on the North POC2.2 robot (dual Sharpa Wave hands). xCath submission for the Robotic Origami Challenge.

Intended use

Load into the delivery policy server (OpenPI-websocket compatible) and drive from the challenge harness — the server maps 65↔63 DoF and applies deploy smoothing. Not a standalone transformers model; it runs inside the xcath-origami container.

# 1) get the server image + this checkpoint
docker pull ghcr.io/patoxcath/rldx-origami-server:v1
huggingface-cli download patoalejor/rldx1-origami-s5 --local-dir ./origami_ft_s5_best

# 2) run
docker run --rm --gpus all -p 8000:8000 \
    -v "$PWD/origami_ft_s5_best:/ckpt:ro" ghcr.io/patoxcath/rldx-origami-server:v1

Repository contents

config.json, model-0000{1..4}-of-00004.safetensors, model.safetensors.index.json, experiment_cfg/ (run config + dataset statistics), processor/ (normalizer + modality config). Loads via transformers.AutoModel.from_pretrained(..., trust_remote_code=True) with the rldx package on the path (the base repo also provides RLWRLD/RLDX-1-VLM).

I/O contract (served)

  • Input: head_left RGB image (single view), observation/state float32(65,) joint angles (radians), text prompt. Wrist images are accepted but ignored.
  • Output: float32 (16, 65) — absolute joint-angle targets in radians, action_horizon = 16.
  • 65-DoF layout: [0:7] left_arm · [7:29] left_hand · [29:36] right_arm · [36:58] right_hand · [58:65] motor (head/torso, motor_j0..j6). The model outputs 63 dims; the server reinjects the two constant torso joints motor_j0/j1 (0.562658 / -1.106863) at indices 58,59.

Training

Session s5: all 86 torso-fixed (63-DoF) origami seasons, single head_left camera, projector + diffusion head only, RTC-trained (rtc_training_max_delay=6), in-model low-pass off. Early-stopped; this is step 24000 (chosen for lowest hand MAE; checkpoints 18k–24k are within noise).

Evaluation (held-out season, open-loop)

metricvalue
val loss0.0167
action MAE0.0404 rad
RMSE0.0695

Deployed-config smoothness (served stream): hand jitter 1.85× GT at hand MAE 0.017 rad with a streaming causal 5 Hz low-pass — matching the smoothness target at no accuracy cost. Full analysis: see the GitHub repo (docs/RESULTS.md).

Limitations

  • Single-view (head_left) — does not use the wrist cameras.
  • Deploy smoothing (streaming 5 Hz low-pass) is applied server-side; online trained-RTC is available but off by default (it over-smooths and hurts accuracy — see repo).
  • Assumes the client executes ~6 steps per returned chunk before re-planning.

License & attribution

Base model and integration code are Apache-2.0 (RLDX-1 © RLWRLD; OpenPI © Physical Intelligence). Fine-tuned weights © xCath, released for the Robotic Origami Challenge.

Как запустить

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

GPU в ailist

Универсальный рантайм · rldx

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Класс архитектуры
RLDX
Ревизия весов
bf59087

0 моделей