/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
2 ноя 2024

ROCKET-1

Языковая модельИзображение, текст → action3 профессии

ROCKET-1 — модель для выбора робототехнических действий в сценариях приближения к целям, добычи ресурсов и взаимодействия с объектами.

29скачиваний за 30 дней5лайковвеса обновлены21 мар 2025

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

ROCKET-1 — модель для управления действиями в робототехнических сценариях, опубликованная пользователем phython96. Карточка описывает взаимодействия вроде приближения к животным и объектам, добычи ресурсов и взаимодействия с объектами в игровом окружении. Модель размещена в формате safetensors и использует PyTorch; лицензия — MIT.

README упоминает запуск демонстрации через Gradio и скрипт оценки, которому требуется путь к контрольной точке SAM 2. Данных о размере модели, длине контекста и поддерживаемых языках нет; назначение карточки указывает на управление действиями, однако конкретные входы и выходы модели не описаны.

Сценарии применения

  • выбор действия для приближения к целевому объекту
  • добыча ресурсов в интерактивном игровом окружении
  • взаимодействие с объектами в симуляции
  • демонстрация робототехнического управления через Gradio

Ограничения

Карточка не раскрывает архитектуру, размер, конкретные входные и выходные данные или оценку качества модели. Для запуска примера требуется контрольная точка SAM 2.

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

This model has been pushed to the Hub using the PytorchModelHubMixin integration:

Usage

from rocket.arm.models import ROCKET1
from rocket.stark_tech.env_interface import MinecraftWrapper

model = ROCKET1.from_pretrained("phython96/ROCKET-1").to("cuda")
memory = None
input = {
  "img": torch.rand(224, 224, 3, dtype=torch.uint8), 
  'segment': {
    'obj_id': torch.tensor(6),                              # specify the interaction type
    'obj_mask': torch.zeros(224, 224, dtype=torch.uint8),   # highlight the regions of interest
  }
}
agent_action, memory = model.get_action(input, memory, first=None, input_shape="*")
env_action = MinecraftWrapper.agent_action_to_env(agent_action)

# --------------------- the output --------------------- #
# agent_action = {'buttons': tensor([1], device='cuda:0'), 'camera': tensor([54], device='cuda:0')}
# env_action = {'attack': array(0), 'back': array(0), 'forward': array(0), 'jump': array(0), 'left': array(0), 'right': array(0), 'sneak': array(0), 'sprint': array(0), 'use': array(0), 'drop': array(0), 'inventory': array(0), 'hotbar.1': array(0), 'hotbar.2': array(0), 'hotbar.3': array(0), 'hotbar.4': array(0), 'hotbar.5': array(0), 'hotbar.6': array(0), 'hotbar.7': array(0), 'hotbar.8': array(0), 'hotbar.9': array(0), 'camera': array([-0.61539427, 10.        ])}

Interaction Details

Here are some interaction types:

interactionobj_idfunction
Hunt0Approach the animals then kill it.
Mine2Approach and mine the target object.
Interact3Approach and right click the target object.
Craft4Move the cursor to the item and click on it.
Switch5Highlight an item in the hotkey bar, then switch to holding state.
Approach6Approach the target object.

Play ROCKET-1 with Gradio

Click the following picture to learn how to play ROCKET-1 with gradio.

cd rocket/arm
python eval_rocket.py --port 8110 --sam-path "/path/to/sam2-ckpt-directory"

Citing ROCKET-1

If you use ROCKET-1 in your research, please use the following BibTeX entry.

@article{cai2024rocket,
  title={ROCKET-1: Master Open-World Interaction with Visual-Temporal Context Prompting},
  author={Cai, Shaofei and Wang, Zihao and Lian, Kewei and Mu, Zhancun and Ma, Xiaojian and Liu, Anji and Liang, Yitao},
  journal={arXiv preprint arXiv:2410.17856},
  year={2024}
}

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
d64b708

0 моделей