/ Модель

Характеристики

Библиотека
pytorch
Опубликована
29 июл 2026

Enfold

Языковая модельИзображение, текст → action

Enfold — набор политик управления роботом для оценки в средах LIBERO и RoboTwin с использованием визуальных наблюдений и состояния робота.

0скачиваний за 30 дней0лайковвеса обновлены17 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

Enfold — набор официальных контрольных точек политик для embodied control, представленный авторами работы «Enfold: Folding World Model Imagination into Predictive Representations for Ultra-Efficient Embodied Control». В репозитории есть отдельные веса для бенчмарков LIBERO и RoboTwin, а также соответствующие файлы статистик нормализации; для оценки каждой политики требуется использовать статистики из той же строки таблицы.

Модель предназначена для управления роботом в средах LIBERO и RoboTwin. В конфигурации LIBERO используются два изображения с камер, объединённые в кадр 224 × 448, 8-мерное состояние proprioception и 7-мерные действия. Для RoboTwin используются три изображения с камер размером 384 × 320 и 14-мерные действия и proprioception. Для оценки нужны исходный код Enfold, зависимости и внешние ресурсы Cosmos-Predict2.5, Cosmos tokenizer/VAE, text encoder и DINOv3 ViT-H/16+.

Контрольные точки сохранены в формате PyTorch. В README не указаны размер модели и лицензия, поэтому условия использования весов из карточки установить нельзя.

Сценарии применения

  • оценка политики управления роботом в бенчмарке LIBERO
  • оценка политики управления роботом в RoboTwin
  • управление роботом по нескольким изображениям с камер и данным proprioception

Ограничения

Для оценки требуются исходный код Enfold, зависимости и внешние модельные ресурсы Cosmos-Predict2.5, Cosmos tokenizer/VAE, text encoder и DINOv3 ViT-H/16+. Для каждой политики необходимо использовать файл статистик нормализации из соответствующего бенчмарка.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Enfold Checkpoints

This repository provides the official checkpoints for Enfold: Folding World-Generator Computation into Predictive Representations for Efficient Embodied Control

What is included

Each benchmark has one policy checkpoint and one matching normalization-statistics file. Always use a checkpoint with the statistics file from the same row.

BenchmarkPolicy checkpointNormalization statisticsEvaluation setup
LIBEROenfold_libero.ptlibero_dataset_stats.ptTwo camera views, concatenated to 224 × 448; 7-D actions and 8-D proprioception
RoboTwinenfold_robotwin.ptrobotwin_dataset_stats.ptThree camera views at 384 × 320; 14-D actions and proprioception

Download

Install the Hub client, then download only the files for the benchmark you plan to evaluate:

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="richardxyt/Enfold",
    local_dir="checkpoints/enfold_libero",
    allow_patterns=["enfold_libero.pt", "libero_dataset_stats.pt"],
)

For RoboTwin, replace the two filenames with enfold_robotwin.pt and robotwin_dataset_stats.pt.

Evaluation

First install the Enfold source code and its dependencies, then configure the required external model assets (Cosmos-Predict2.5, Cosmos tokenizer/VAE and text-encoder assets, DINOv3 ViT-H/16+). The source configuration contains paths that must be changed for your machine.

From the Enfold project root, evaluate the matching checkpoint/statistics pair:

# LIBERO
bash eval.sh libero \
  checkpoints/enfold_libero/enfold_libero.pt \
  checkpoints/enfold_libero/libero_dataset_stats.pt

# RoboTwin
bash eval.sh robotwin \
  checkpoints/enfold_robotwin/enfold_robotwin.pt \
  checkpoints/enfold_robotwin/robotwin_dataset_stats.pt

See the Enfold source repository for environment setup, dataset preparation, optional Hydra overrides, multi-GPU evaluation.

Citation

If these checkpoints help your research, please cite the model repository:

@software{enfold2026,
  title  = {Enfold: Robotics Policy Checkpoints},
  author = {Enfold Authors},
  year   = {2026},
  url    = {https://huggingface.co/richardxyt/Enfold}
}

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
f3f3dc7

0 моделей