2026-yilda qaysi VLA siyosatini o'rgatish kerak?

Bugungi kunda SO-100 klassli qo'lda beshta siyosatni o'rgatish mumkin. Ular inferensiyada 24 barobar farq qiladi kechikish, parametrlar sonida 37 va bir ishlanmaning narxida 12 barobar farq qiladi, shuningdek, natijani jo'natishingiz mumkinmi yoki yo'qmi. Beshta model kartasi buni hal qilmaydi: hech biri sizda mavjud bo'lgan savolga javob bermaydi, qaysi birini birinchi ishga tushiray?

Quyidagi har bir raqam 2026-yil avgust oyida maqolalar, repolar va kartalardan olingan. Platforma raqamlari dan olingan; AY-Robots siyosat katalogi; ikkalasi mos kelmagan joyda, ikkalasi ham ko'rsatilgan.

Qaror jadvali

Besh nomzod

Beshalasi ham siyosatlari: kamera kadrlari, boʻgʻin pozitsiyalari va, ularning toʻrttasi uchun, kelajakdagi boʻgʻin nishonlarining bir qismiga xaritalangan til koʻrsatmasi. Ularni ajratib turadigan narsa – siz kelishdan oldin qancha narsa oʻrganilganligi.

GR00T N1.7

NVIDIA'ning joriy vizual-til-harakat modeli, taxminan 3 milliard parametr, shundan taxminan 40 millioni nozik sozlash davomida o'qitilgan. Repozitoriy N1.6 dan farqlarni sanab o'tadi: Eagle modelidan Cosmos-Reason2-2B ga Qwen3-VL da o'zgartirilgan asosiy qism, diffuziya qatlamlari 32 dan 16 ga, holat va harakat o'lchamlari 29 dan 132 ga, harakat gorizonti 16 dan 40 ga.

Kichik qo'lda muhim bo'lgan narsa nisbiy oxirgi effektorni harakatlantirish maydonidir: N1.7 joriy holatdan farqlarni bashorat qiladi, bu esa 20 ming soatlik EgoScale inson videosini robot siyosatiga o'tkazish imkonini beradi. Texnik xususiyatlar N1.7 sahifasida, tartib esa N1.7 ni SO-100 da o'rnatish bo'yicha qo'llanmada.

GR00T N1.5

Bir xil 3 B masshtab, Eagle 2 tayanch, SigLip2 va T5, oqimga mos keluvchi DiT boshi. U mavjud bo'lgan ni kengaytirish uchun mavjud. Ikki narsa uni yomon standart qiladi: og'irliklar NVIDIA's one-way non-commercial licence, and current LeRobot releases removed N1.5 support. Qarang .

Pi0.5

Physical Intelligence kompaniyasining VLA, siyosat turi pi05. Maqolada PaliGemma'dan boshlangan 2 B VLM va 300 M harakat eksperti berilgan bo'lib, robotni 50 Hz chastotada boshqaradi; LeRobot's pi05 config sukut bo'yicha 50 qadamli bo'lakka, bu tezlikda bir soniyaga o'rnatilgan. Sotish nuqtasi ko'rilmagan joylardir: haqiqiy uylarda taxminan 400 soat mobil manipulyatsiya va 3, 12, 22, 53, 82 va 104 joylashuv bo'yicha masshtablash tadqiqoti, bu yerda 104 joylashuvli model sinov uylarining o'zida o'qitilgan nazoratga mos keldi.

Bir cheklov, lerobot/pi05_base kartasida ko'rsatilgan: port faqat oqimga mos keladigan harakat boshini olib boradi. Kichik vazifalarni bashorat qilish, harakatni tokenizatsiya qilish va RL yuqori oqimda chiqarilmagan va openpi o'zining ombori haqida ham shunday deydi. Pi0.5 sahifasi va SO-100 dagi Pi0.5 qo'llanmasi qolganini o'z ichiga oladi.

SmolVLA

450 M parametr, harakat ekspertida taxminan 100 M, SmolVLM-2 da VLM muzlatilgan va faqat uning birinchi 16 ta til modeli qatlami ishlatilgan. Oldindan o'qitish jamoat ma'lumotlari edi: 481 ta ma'lumotlar to'plami, 10.6 M kadr, siz foydalanadigan bir xil arzon qo'llardan. Bu yerda bitta 24 GB kartaga sig'adigan yagona VLA va yagona 30 epizod chegarasi. Qarang SmolVLA sahifasi.

ACT

Asosiy model emas. ALOHA'dan Action Chunking Transformer taxminan 80 M parametrga ega bo'lib, har bir vazifa uchun noldan, 50 ta namoyishda 50 Hz chastotada o'qitilgan. Maqolada har biri taxminan o'n daqiqa namoyishlardan olingan oltita haqiqiy ikki qo'lli vazifalar, u ta'kidlagan misollarda 80 dan 90 foizgacha muvaffaqiyat bilan qayd etilgan. Uning g'oyasi, action chunking, ushbu sahifadagi har bir modelda mavjud bo'lib, uning ablasyonu hali ham eng yaxshi ta'sirni o'lchaydi: vaqtinchalik ansambl o'chirilgan ikkita simulyatsiya qilingan vazifada muvaffaqiyat k=1 da 1 foizdan k=100 da 44 foizgacha ko'tariladi. ACT sahifasida qolganlari bor.

Benchmarklar aslida nima deydi

LIBERO bu beshtadan uchtasi hisobot beradigan yagona benchmarkdir: simulyatsiya qilingan Franka Panda'dagi tilga asoslangan vazifalar, quyida har biri o'nta vazifadan iborat to'rtta to'plamga bo'lingan. NVIDIA har bir to'plam uchun 200 ta sinov o'tkazdi.

SimplerEnv tarqalishni ko'rsatadi, LIBERO esa yo'q. NVIDIA N1.7 ni N1.6 bilan taqqoslaydi, bu generational delta.

Bridge qatori foydali: oʻrtacha 5.7 ball qoʻlga kiritilgan, put_eggplant_in_basket 36 ball yoʻqotgan va put_eggplant_in_sink 33 dan 2 ga tushgan. Yangi avlod taqsimotni koʻtarish oʻrniga uni siljitadi, shuning uchun agar sizning vazifangiz N1.7 regressiya qilgan joyda boʻlsa, oʻrtacha koʻrsatkich hech narsa demaydi.

Beshinchisidan, faqat SmolVLA maqolasi SO-100 sinfidagi qoʻl haqida hisobot beradi: SmolVLA uchun 78.3 foiz va Pi0 uchun uchta vazifada 61.7 foiz, ikkalasi ham koʻp vazifali, bir vazifali oʻqitilgan ACT uchun 48.3 foizga qarshi, bu bir xil emas. Toza juftlik SO-101 pick-and-place boʻyicha ikkalasi ham bir vazifali: taqsimotda 90 ga qarshi 70, undan tashqarida 50 ga qarshi 40. Solishtiring ACT va SmolVLA va Pi0.5 va SmolVLA, yoki koʻrib chiqing arenani.

Kechikish va xarajat joylashtirishni hal qiladi

Inference kechikishi odamlar eng oxirida kashf etadigan va birinchi bo'lib afsuslanadigan cheklovdir. Benchmarkingda besh ballga yaxshiroq, ammo har bir harakat qadami uchun yarim soniya sarflaydigan siyosat stolingizda yomonroq ko'rinadi: kontakt dinamikasi kutmaydi.

Bir ogohlantirish: GR00T ko'rsatkichi NVIDIA kartasi bilan mos kelmaydi, u 4 ta shovqinni yo'qotish bosqichini va bitta kamerani H100 da eager rejimida 85.8 ms, torch.compile bilan 48.6 ms, to'liq TensorRT orqali 27.9 ms vaqt bilan o'lchaydi. Bu yerdagi 152 ms xizmat ko'rsatish xarajatlari va bir nechta kamera bilan butun stek ko'rsatkichidir, bu faqat oldinga o'tish emas.

Modelni o'zgartirmasdan vaqt yutishning bir usuli: SmolVLA maqolasi sinxron ijroni o'lchaydi, bunda siyosat keyingisini bashorat qilishdan oldin bir qismni tugatadi, asinxron ijroga qarshi, bunda bashorat ijro bilan ustma-ust tushadi. Muvaffaqiyat o'xshash, 78.3 ga qarshi 73.3, ammo xuddi shu tanlash va joylashtirish 13.75 o'rniga 9.7 soniya davom etadi va belgilangan vaqt oralig'ida robot 9 o'rniga 19 tsiklni boshqaradi.

Litsenziyalar, tekshirilgan, chunki ularni hech kim tekshirmaydi

Pi0.5 qatori e'tibor talab qiladi. LeRobot pi05 hujjatlari openpi bilan mos keladigan Apache 2.0 ni ko'rsatadi, shu bilan birga Hub kartasi lerobot/pi05_base da license: gemma. Ikkalasi ham faol. GR00T N1.7 ning yumshoqroq versiyasi bor: Isaac-GR00T README faylida N1.7 Apache 2.0 ostida to'liq tijorat maqsadida litsenziyalanishi mumkinligi aytilgan, shu bilan birga uning o'z litsenziya bo'limi va model kartasi faqat kodni Apache 2.0 ostiga va og'irliklarni NVIDIA Open Model License.

Siz amalda ishga tushiradigan standart sozlamalar

Har bir o'qituvchi shakli sukut bo'yicha keladi va ular o'zboshimchalik bilan emas. ACT'lar LeRobot'ning o'ziniki: batch 8, lr 1e-5, 100000 o'qitish bosqichlari, chunk size 100, ACTConfig upstream bilan mos keladi va k=100 from the ACT paper. Quyidagi bir ustun tuzoqdir.

Model tanlovidan ko'ra muhimroq bo'lgan sozlama

Bu harakat bo'lagi. Uzunroq bo'laklar silliqroq harakat va kamroq yig'iluvchi xatoliklarni beradi, ammo blok bajarilayotganda siyosat qabul qilinadi, shuning uchun u harakatlanuvchi narsalarga kech reaksiyaga kirishadi: statik kubda ishonchli, aylanuvchi kubda umidsiz. Agar u haddan tashqari oshib ketsa, bajarilgan qismni qisqartirish qayta o'qitishdan yaxshiroq va bepuldir. Erta to'xtaydigan bo'g'in boshqa muammo; qarang .

• ACT: ACTConfig sukut bo'yicha chunk_size 100 va n_action_steps 100 ga sozlanadi. Vaqtinchalik ansambl o'chirilgan va n_action_steps 1 ni talab qiladi.
• GR00T N1.7: ichki gorizont 16 dan 40 gacha o'zgardi, ammo LeRobot'ning SO-101 misoli hali ham --policy.chunk_size=16 --policy.n_action_steps=16 bilan ishlaydi. Rollout bayrog'i --execution-horizon deb qayta nomlandi.
• Pi0.5: 50 qadamli bo'lak, uning 10 tasini LeRobot'ning LIBERO retsepti --policy.n_action_steps=10 orqali bajaradi; --policy.pretrained_path bilan, agar siz bayroqni qoldirsangiz, u 50 ga qaytadi.
• SmolVLA: 50 harakatli bo'laklar, ikkala sozlama ham ochiq.

Beshalasini bir tushdan keyin qanday tekshirish mumkin

Eng arzon javob ko'proq o'qish emas. Taxminan 15 USD sarflang va qo'l sizga aytsin: bir marta yozib oling, avval arzon modelni o'rgating, ma'lumotlar to'g'ri ekanligini isbotlagandan so'ng kuchaytiring. Tuzilma hajmga qaraganda muhimroq, va nuqtasi.

1. 1
   50 ta epizodni bir marta yozib oling

   GR00T, Pi0.5 va ACT uchun 50 ta, SmolVLA uchun 30 ta maydonni tozalaydi. Har bir variantni yoyib yubormasdan takrorlang: 5 ta kub pozitsiyasida 50 ta epizod oʻrgatildi, 25 tasida esa yoʻq. Birinchi maʼlumotlar toʻplamingizni yozib olishni koʻring.

   bash

   lerobot-record \
     --robot.type=so100_follower \
     --robot.port=/dev/ttyACM1 \
     --robot.id=my_follower_arm \
     --teleop.type=so100_leader \
     --teleop.port=/dev/ttyACM0 \
     --teleop.id=my_leader_arm \
     --dataset.repo_id=${HF_USER}/pick-place-50 \
     --dataset.num_episodes=50 \
     --dataset.single_task="Put the lego brick into the box"

2. 2
   Avval ACTni oʻrgating, chunki u sizga yolgʻon gapira olmaydi

   Oldindan oʻrgatilgan ogʻirliklar yoʻq, shuning uchun agar u vazifani bajarsa, maʼlumotlar toʻplamingizda vazifa mavjud. Agar ACT ishlamay qolsa, maʼlumotlarni tuzating. 24 GB kartada 1 dan 3 USD gacha, 2 dan 5 soatgacha.

   bash

   lerobot-train \
     --dataset.repo_id=${HF_USER}/pick-place-50 \
     --policy.type=act \
     --policy.device=cuda \
     --batch_size=8 \
     --steps=100000 \
     --seed=1000 \
     --output_dir=outputs/train/act_pickplace \
     --job_name=act_pickplace

3. 3
   SmolVLA ni bir xil maʼlumotlar toʻplamida, oʻzgartirmasdan ishga tushiring

   Bir xil maʼlumotlar, bir xil qoʻl, 80 M oʻrniga 450 M parametrlar, shuningdek, til shartlari. LeRobot bitta A100 da 20K qadamli ishni taxminan 4 soatga baholaydi. Bu sizga oldindan oʻrgatish biror narsa beradimi yoki yoʻqligini aytadi.

   bash

   lerobot-train \
     --policy.path=lerobot/smolvla_base \
     --dataset.repo_id=${HF_USER}/pick-place-50 \
     --batch_size=64 \
     --steps=20000 \
     --policy.device=cuda \
     --output_dir=outputs/train/smolvla_pickplace \
     --job_name=smolvla_pickplace

4. 4
   GR00Tga tegishdan oldin v2.1 ga tushiring

   GR00T LeRobot v2 formatining bir turini, shuningdek, birlashtirilgan holat va harakat massivlari nomlangan maydonlarga qanday boʻlinishini koʻrsatuvchi qoʻshimcha meta/modality.json faylini oʻqiydi. v3.0 maʼlumotlar toʻplami ushbu yuklovchini ishdan chiqaradi, chunki v3.0 koʻplab epizodlarni umumiy fayllarga joylashtiradi, v2 esa har bir epizod uchun bittadan yozgan. Isaac-GR00T pasaytirish yordamchisini scripts/lerobot_conversion/convert_v3_to_v2.py sifatida yetkazib beradi; v3 rad etish sahifasi tezkor yoʻldir.

   text

   # GR00T expects this layout, not the v3.0 file-based one
   my_dataset/
     meta/
       info.json
       episodes.jsonl      # episode index and lengths
       tasks.jsonl         # language task descriptions
       modality.json       # GR00T-specific: state/action/video key mapping
     data/chunk-000/       # parquet, state and action per timestep
     videos/chunk-000/     # one mp4 per episode

5. 5
   Faqat dastlabki ikkitasi biror narsa qoldirgan boʻlsa, GR00T N1.7 ga oʻting

   Bu yerda koʻrsatilgan NVIDIA CLI orqali yoki LeRobotning groot siyosat turi orqali. NVIDIA nozik sozlash uchun 40 GB yoki undan koʻproq VRAM, inferensiya uchun 16 GB tavsiya qiladi. OOM holatida OOM sahifasini koʻring.

   bash

   CUDA_VISIBLE_DEVICES=0 uv run python \
     gr00t/experiment/launch_finetune.py \
     --base-model-path nvidia/GR00T-N1.7-3B \
     --dataset-path demo_data/cube_to_bowl_5 \
     --embodiment-tag NEW_EMBODIMENT \
     --modality-config-path examples/SO100/so100_config.py \
     --num-gpus 1 \
     --output-dir /tmp/test_finetune \
     --max-steps 2000 \
     --global-batch-size 32 \
     --dataloader-num-workers 4

Ushbu skrining oʻtkazmasini ishga tushirishning ikki yoʻli

# 1. LeRobot: ACT, SmolVLA, Pi0.5 and GR00T N1.7 via --policy.type=groot
pip install "lerobot[smolvla]"
pip install "lerobot[pi]"
pip install "lerobot[groot]"

# 2. GR00T reference implementation and benchmark examples
git clone https://github.com/NVIDIA/Isaac-GR00T

# 3. Physical Intelligence reference implementation
git clone --recurse-submodules https://github.com/Physical-Intelligence/openpi

Asosiy model yoki noldan

Haqiqiy tanlov qaysi 3 B modelini tanlashda emas. Balki umuman oldindan o'qitilgan VLA'dan foydalanish kerakmi, yo'qmi, chunki ACT har biri taxminan o'n daqiqalik namoyishlardan oltita haqiqiy ikki qo'lli vazifani 80 M parametr bilan o'rgangan va hech narsa oldindan o'qitilmagan.

Eski ishga tushirishni takrorlash holati

2025 nazorat nuqtasini ta'qib qilish siz uchun model tanlovini amalga oshiradi va muammoni versiyani qotirishga aylantiradi: joriy LeRobot N1.5'ni rad etadi, shuning uchun siz lerobot==0.5.1. Urug' maydoni yo'qligi va ishga tushirishlar orasida 5 dan 6 foizgacha farq bilan , takrorlash qurilish bo'yicha taxminiydir. SO-100'dagi N1.5 qo'llanmasi va N1.5 siyosat sahifasi platforma tomoniga ega.

Ikkita qoldimi? ACT GR00T N1.7 ga qarshi va GR00T N1.7 SmolVLA ga qarshi. Xom qatorlar arena yozuvlarida joylashgan: GR00T N1.7, Pi0.5, SmolVLA va ACT.

Bu platforma sizga qayerda yordam bera olmaydi

• U masofaviy xulosa chiqarishni tezlashtira olmaydi. 20 dan 485 ms gacha bo'lgan sikl modelga tegishli; internetdagi borib-kelishlar bunga qo'shimcha bo'ladi.
• U GR00T yoki Pi0.5 ni o'zingizning uskunangizda nozik sozlay olmaydi. Bu yerda ikkalasi ham faqat bulutda ishlaydi; faqat SmolVLA va ACT mahalliy ishlaydi.
• U ma'lumotlar to'plamini tuzata olmaydi. Yo'qotish kamayadi, lekin siyosat hech narsa qilmaydi ma'lumotlar muammosi, faqat bitta sozlamada ishlaydigan siyosat qamrov muammosidir.
• U GR00T ishlarini takrorlanadigan qila olmaydi: yuqori oqim konfiguratsiyasida 'seed' maydoni yo'q.

Birini tanlash va davom etish

Bir standart: 50 ta epizodni yozib oling, ma'lumotlar to'plamini tasdiqlash uchun ACTni 1 dan 3 USD gacha o'rgating, so'ngra SmolVLA ni xuddi shu ma'lumotlar ustida. Jami 6 USD dan kam, va ular muhim savolga javob beradi: bu yerda oldindan o'qitish yordam beradimi yoki muammo ma'lumotlardami. Kontaktga boy ko'p bosqichli vazifalar uchun GR00T N1.7 ga, Pi0.5 ga esa sahna o'zgarganda o'ting.

Platforma bo'yicha qo'llanma: birinchi siyosatingizni o'rgating, so'ng birinchi siyosatingizni ishga tushiring. o'qitish hujjatlari va ma'lumotlar to'plami hujjatlari shakl va formatni qamrab oladi; SO-100 sahifasi va to'liq SO-100 qo'llanmasi qurish va kalibrlashni qamrab oladi. Fon: VLA ga umumiy nuqtai va Pi0 oqim moslashuvi maqolasi. Sizning muvaffaqiyat darajangizni oshiradigan narsa ma'lumotlar sifati bo'yicha qo'llanma.