/ Модель

Характеристики

Размер весов
9,4 ГБ
Лицензия
CC BY 4.0
Архитектура
Gr00tN1d6 · dense
Опубликована
7 июл 2026

groot-n16-so101-pickplace

Языковая модельИзображение, текст → action

Дообученная NVIDIA GR00T N1.6 для управления манипулятором SO-101 при переносе розового или жёлтого ватного шарика в миску.

7скачиваний за 30 дней0лайковвеса обновлены7 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

tysyuvraj/groot-n16-so101-pickplace — дообученный чекпойнт NVIDIA GR00T N1.6 с 3 млрд параметров для управления одноручным манипулятором SO-101. Модель выполняет задачу pick-and-place: берёт розовый или жёлтый ватный шарик и кладёт его в миску, следуя соответствующей текстовой инструкции. Она рассчитана на работу в реальном контуре управления роботом и может использоваться под надзором внешней системы, которая запускает, останавливает или перенаправляет политику.

Модель обучена на телепереводных демонстрациях для двух вариантов объекта; чекпойнт соответствует шагу обучения 20 000. В установке SO-101 используются одна 6-степенная рука, параллельный захват и одна камера; входное изображение обрезается до 640×360. В README сообщается о надёжном выполнении обоих сценариев на реальном оборудовании в многочисленных сессиях. Область применения узкая: обучение охватывает только два шарика, различаемых по цвету, и одну миску, поэтому модель не предназначена для универсальных задач захвата мелких объектов. Завершение задачи с жёлтым шариком сложнее визуально подтвердить из-за низкого контраста сцены. Лицензия — CC BY 4.0.

Сценарии применения

  • поднять розовый ватный шарик и положить его в миску
  • поднять жёлтый ватный шарик и положить его в миску
  • управлять одноручным роботом SO-101 по текстовой инструкции
  • использовать политику манипуляции в реальном контуре управления роботом

Ограничения

Модель обучена только на двух цветовых вариантах ватного шарика и одной миске, поэтому её нельзя считать универсальной политикой захвата и размещения. Завершение сценария с жёлтым шариком труднее визуально подтвердить из-за низкого контраста с миской.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GR00T N1.6 — Cotton Ball Pick-and-Place (SO-101)

An NVIDIA GR00T N1.6 (3B) checkpoint fine-tuned for a single-arm pick-and-place task on the SO-101 follower arm: pick up a cotton ball and place it in a bowl. Covers two object variants, each with its own language instruction:

  • Pick up the pink cotton ball and place it in the bowl
  • Pick up the yellow cotton ball and place it in the bowl

This is the original, most extensively tested checkpoint in a broader research system: it is the manipulation policy ("body") supervised by an anticipatory, Qwen3-Omni-based human-robot-interaction monitor ("brain") that watches the same camera and microphone and can stop, redirect, or confirm completion of the task in real time. The system was iterated on and validated over many live sessions on real SO-101 hardware.

Training

  • Base model: NVIDIA GR00T N1.6 (3B parameters)
  • Embodiment: SO-101 follower arm — single 6-DOF arm, parallel-jaw gripper, single camera (640x480, center-cropped to 640x360 for training/inference)
  • Training data: teleoperated pick-and-place demonstrations for both object variants (dataset not yet published to the Hub)
  • Checkpoint step: 20,000

Intended Use

Serving as the manipulation policy in a real-time control loop, optionally supervised by an external monitor that starts, stops, or redirects the policy based on inferred human intent (this checkpoint's primary use case). Not intended as a general small-object pick-and-place model — training data covers exactly two objects (differentiated by color) and one receptacle.

How to Serve

Using Isaac-GR00T's reference eval server:

python gr00t/eval/run_gr00t_server.py \
    --embodiment_tag NEW_EMBODIMENT \
    --model_path tysyuvraj/groot-n16-so101-pickplace \
    --host 0.0.0.0 --port 5555 --strict

Known Behavior

  • Both object variants complete reliably end to end (cold-start → pick → place → confirmed completion → return to a resting pose) across many live sessions.
  • The yellow-ball task's completion is harder to detect visually than the pink-ball task's (lower contrast against the receptacle), which affected an earlier version of the external completion-detection system supervising this policy. This is a perception-side characteristic of the scene, not a defect in this policy's grasping or placing behavior itself.

Citation

@misc{singh2026grootn16so101,
  author = {Singh, Yuvraj},
  title  = {GR00T N1.6 -- Cotton Ball Pick-and-Place (SO-101)},
  year   = {2026},
  url    = {https://huggingface.co/tysyuvraj/groot-n16-so101-pickplace}
}

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.

Класс архитектуры
Gr00tN1d6
Ревизия весов
fefd176

0 моделей