YAML Metadata Warning:empty or missing yaml metadata in repo card

Check out the documentation for more information.

公共归档已无损去重到公开仓库 HFD-Baseline-Shared-Training-Assets。下载本仓库后,先运行 python restore_shared_assets.py(在本AutoDL机器使用 /root/.local/bin/turbo python restore_shared_assets.py),按固定commit下载并验证SHA256,恢复原目录中的所有公共归档,再执行下方原解压/续训命令。本模型仓库与公共依赖仓库均公开,无需HF登录即可下载;Token不要写入工程。模型专属断点未删除。MANIFEST.json核验本仓库文件,SHARED_ASSETS.json核验外置公共文件。


license: other

omg-b 实际训练工程交付

本版本在本机实际训练过。原生输出为 G1 机器人动作,不是 SMPL/SMPL-X 人体模型。此公开仓库按同样完整训练工程标准交付。OMG-B/L/XL 分别使用官方50m/300m/500m配置;官方100m仅在外部资源清单中,不冒充已训练版本。

内容与恢复边界

latest 与 best 均为100000,含完整状态;现存较早正式断点已被原保留策略清理,原入口要求 step < max_steps,因此本版本没有宣称完成100K之后的原方案短跑。提供完整状态字段审计,预算扩展需要接手方明确新阶段方案。

handoff-v1/packages/original-training-workspace.tar.gz 是实际完整工作树(含 upstream、未提交修改、自定义实现和配置),非精简评测包。Git commit/diff/status 在 inventory;.git 内部、Python缓存、凭据排除。*-all-run-history 包含此家族原 run、评测、原始轨迹和日志;checkpoint单独存放。包内各文件大小和SHA在相邻manifest;仓库全部交付文件由根MANIFEST.json核验。完整模型最新和best见 checkpoints 与 inventory/models.json,未伪造缺失状态。

实际单GPU/rank0,无缺失分布式分片。OMG完整Lightning状态含 optimizer_states、lr_schedulers、loops、callbacks、epoch/global_step、hfd_resume 的Python/NumPy/torch/CUDA RNG和已消费 train_pool/val_pool;使用bf16-mixed,无FP16 scaler,未单独启用EMA。TextOp完整字段见审计,VAE和CLIP是冻结外部依赖。

每卡batch/累积/有效batch:512 × 累积1 = 512。种子42;OMG AdamW LR6e-5、2000 warmup、cosine至1e-6;TextOp LR1e-4、FP32、三个100K课程阶段。完整损失权重、所有最终解析配置在 original-run/resolved_config.yaml 和 native_config.yaml(TextOp另cfg.yaml),不是仅默认YAML。

源码与环境证据

实际环境 Python3.10.21 / PyTorch2.7.1+cu128 / CUDA12.8 / cuDNN90701,RTX5090,驱动580.76.05。environment-lock.txt为实际pip冻结清单;原requirements也随工作区保留。自定义算子/机器人运动学源码随 upstream 提供;未声称可选部署/仿真组件全部在新机器编译通过。没有经过重建验收的容器镜像。

OMG-L/XL 的训练源码哈希与当前完整快照全部一致。B/TextOp有后续修改:initial和latest-resume审计分别保留;historical-source保存能从本地Git按原SHA恢复的精确旧文件,不应盲目覆盖整个目录。最后恢复时的数据采样 ondemand.py 与当前一致;早期初始记录的不同版本和不相关HY辅助文件缺失项明确记录。短跑使用当前实际工作区,不能将经验上的配对一致扩大成所有历史源码均完全相同。历史完整shell环境/启动命令未全部保留;实际配置为原证据,本次验收 command.json 才是逐字执行记录。

数据与表示

训练126950 / validation302 英文会话;原始完整train/val/test定义及每个样本的排序/过滤/语言/窗口采样见数据索引包、train_native_manifest.json、val_native_manifest.json及采样日志。绝不以Test1024代替训练。基准release固定为 Tinghong-Ye22/data_vqa_all_1025@bdca2fe7581c263e9ceb3a96204b314e199faddf;raw源 Tinghong-Ye22/hfd_data@93ba4a7a9c66b3e1b7041e5f4ea038ef2418b948。

675个raw分片未重复上传;resources/RAW_REQUIRED_FILES.json列出大小、SHA256和上游清单来源(本次未重新读完所有原始分片)。对齐数据库、release/index/startup缓存和预处理代码已提供。参考文本为原有因果对齐的前景转录,保留0.1s guard,不使用未来文本。OMG额外使用过去2s音频;TextOp仅CLIP文本无直接音频。冻结编码器的临时内存缓存可重建,不作为采样状态。

输入HFD为50Hz、IsaacLab 29关节、root xyz + wxyz四元数。OMG重采样30Hz、native29关节、历史60/未来60帧,表示和坐标规范由 hfd_bridge/training.py、joints.py 与 upstream codec 精确定义。TextOp为50Hz、23关节57D特征、历史2/未来8帧、4个primitive;统计meanstd.pkl、robot XML和CLIP tokenizer均有文件哈希。无另行新增增强;原数据合成/筛选/窗口规则由配置和源码保留。外部官方初始化、冻结T5-base或CLIP/VAE及全部模型资产的固定revision/URL/大小/SHA见EXTERNAL_ASSETS.json;这些大依赖不重复上传。

下载、路径和资源恢复

hf download starstone3/HFD-OMG-B-Training --local-dir ./handoff-omg-b
cd handoff-omg-b
python verify_manifest.py MANIFEST.json
python restore_shared_assets.py
mkdir -p restored
for f in handoff-v1/packages/*.tar.gz; do tar -xzf "$f" -C restored; done

优先在隔离机器/容器把 restored/root/autodl-tmp 和 restored/root/autodl-fs 映射回原绝对路径。不要覆盖现有训练;原配置有绝对路径,不能删除合同校验规避路径问题。checkpoint另从 handoff-v1/checkpoints 复制到 original-run/resolved_config.yaml 所述原run路径:OMG的best.ckpt放best/,step-.ckpt放checkpoints/;L/XL共享目录另需原hfd_run.json指向原日志run目录。TextOp ckpt_.pth放原run根目录。共享与本地兼容链接按原配置建立。原日志包中的symlink未打包,需据本段恢复。验收使用原本地run路径查找配置,故不要只拷一个权重文件。

使用原 tools/training_assets.py --help,按EXTERNAL_ASSETS逐项固定revision下载并校验;hf download 的 repo_type 和 filename 必须按清单,不用浮动main替代。原始数据仅下载RAW_REQUIRED_FILES所列路径并执行:

python handoff-v1/resources/verify_raw.py handoff-v1/resources/RAW_REQUIRED_FILES.json /root/autodl-fs/pangxinlei/hfd_data

在本机/AutoDL上安装和下载使用 /root/.local/bin/turbo;HF失败只用hfmirror,不自动消耗个人代理。接手机器按自己的网络配置。Token仅放自己的认证环境,不写包内。

续训和配对验收

验收资料包含 command.json、sample_ids.jsonl、指标、更新后完整权重和逐张量SHA。样本日志标记逻辑pool step;OMG预取可能记录下一批尚未消费样本,消费边界以输出checkpoint hfd_resume.train_pool为准。单GPU、相同代码/依赖/硬件/数据哈希/缓存输入/算法设置是配对前提;不保证跨GPU逐位一致。短跑结果和失败尝试以 acceptance-report.json 为准。只有训练loss一致不代表完整更新参数逐位一致,更不等于动作质量通过。

推理、验证、已知问题

原 evaluate_omg.py / evaluate_textop.py、infer_overfit.py、完整HFD_bench评测脚本及配置随原工作区和actual-recovery-and-evaluation包提供;直接使用其 --help,原实际参数和结果路径可查工作区 docs/CURRENT_RUNS.md 与各summary.json。模型/step/代码SHA/最终配置/评测产物对应关系见result-map.json;不把训练曲线当正式FID。

OMG存在自主历史接段突变、位移不足/过度;TextOp存在停止指令响应和长时自主历史恢复问题,GT历史oracle改善不是有效自主成绩。历史日志含失败、临时补丁、质量覆盖限制;本交付不宣称行为验收通过。未完成项:新环境全量容器重建、跨硬件逐位证明、原预算结束后的新阶段扩展、缺失历史源码/检查点恢复,均未虚报完成。

完整环境、依赖资产与最终历史源码补充

vendored OMG/TextOp 的官方原始提交见 inventory/vendor-provenance.json;upstream 子目录 git rev-parse 返回的是外围工作区commit,不能混淆。B/TextOp最后一次正式恢复涉及的本模型源码均已按原记录SHA找回,差异文件位于 resources/final-resume-historical-source;其中resume.py来自先前保留diff精确还原。初始更早快照及不相关HY文件的缺失仍如实保留。将此overlay应用到隔离工作区可还原最后正式源码;本次短跑为当前工作区,配对结果另列。

在新机器建立对应Python3.10环境后,原训练环境依赖的实际安装清单如下(此处是重建命令,未宣称干净容器重建已验收):

/root/.local/bin/turbo python -m pip install --extra-index-url https://download.pytorch.org/whl/cu128 -r handoff-v1/resources/environment-lock.txt

固定资产获取和完整SHA校验:

cd /root/autodl-tmp/hfd-baseline-portable
/root/.local/bin/turbo /root/autodl-tmp/envs/omg/bin/python tools/training_assets.py --models-root /root/autodl-tmp/models --raw-root /root/autodl-fs/pangxinlei/hfd_data --models omg --omg-sizes 50m --download

训练数据分片按资源清单下载(须有上游权限),随后用verify_raw.py校验;下载脚本保存为 resources/download_raw.py:

/root/.local/bin/turbo python handoff-v1/resources/download_raw.py handoff-v1/resources/RAW_REQUIRED_FILES.json /root/autodl-fs/pangxinlei/hfd_data

原入口每次保存检查点使用原原子保存/Lightning插件;本次有界验收输出checkpoint已读取校验。正常训练默认保留数量见最终配置,勿改成逐step无限保留。学习曲线保留全部历史日志顺序(包括原恢复重跑的重复step),不偷偷删掉不利数据。

在隔离恢复机器解压原工作区/数据/历史后,从仓库根执行以下命令恢复 checkpoint 原路径与L/XL owner/兼容链接(存在不同权重时拒绝覆盖):

python handoff-v1/resources/restore_checkpoint_layout.py --repo .

环境锁中的本地安装源码全部额外保存在 original-installed-workspaces.tar.gz(含实际CLIP、Isaac工具和原OMG/TextOp工作树、OMG路径别名)。先解压映射原路径,再安装environment-lock;不要把原本地file://依赖替换成随意最新版。

Lightning 恢复边界

本次L/XL验收为保护原训练,写到新的输出目录。Lightning因此重置检查点排名/保存路径等ModelCheckpoint回调元数据(stdout保留原警告);模型、优化器、LR调度和HFD RNG/已消费采样池由原恢复机制加载。原完整checkpoint仍保留原callbacks状态;要求连best保留回调也一致时,应在隔离机器恢复原路径。不能把本次独立输出验收说成所有回调元数据逐项不变。

Lightning还有通用的DataLoader非stateful提示;此工程另用HFDResumeState保存和恢复已消费逻辑pool与RNG,相关源码/输出状态和配对数值全部提供。OMG停止回调触发后原trainer可能执行末尾validation,已保留其日志和最终状态;验收没有跳过原验证逻辑。

原生 validation 命令

以下调用原来实际使用的验证入口,使用validation划分和固定seed;输出完整轨迹、初始/训练模型对照和诊断。已有正式Test1024结果仅归档,不用于本次选参。

cd /root/autodl-tmp/hfd-baseline-portable
/root/autodl-tmp/envs/omg/bin/python evaluate_omg.py --trained-run /root/autodl-tmp/runs/hfd-omg-english-split20261026 --checkpoint /root/autodl-tmp/runs/hfd-omg-english-split20261026/best/best.ckpt --output /path/to/new-omg-b-validation --gpu 0 --split val --seed 12345 --per-mode 1 --third-party 3 --stage all

复验短跑更新后的模型时,将--checkpoint改为已下载的 acceptance/updated 文件;--trained-run仍提供相应原模型配置。小样本诊断不叫正式FID;正式固定窗评分入口、依赖和结果复核协议见catalog锁定的公共质量评测工程。

完整历史质量结果及本次验收

本仓库额外附本版本 complete-quality-results.tar.gz:1024完整预测轨迹、packed评分输入、官方scores、run_config权重SHA及cohort锁。数据均为已有正式评测,没有在本次重新选参。公共评分工程固定版本见 BASELINE_CATALOG.json;质量产物内部大小/SHA清单与归档验证记录已提供。

本次短跑/拒绝恢复的完整结果见 handoff-v1/acceptance/acceptance-report.json。OMG-B没有更新步验收,原因和原入口实际拒绝日志已提供;其他版本的原始数值配对及最终参数SHA在同目录,不保证逐位一致。

公开状态:本交付仓库已设为 public,公共归档依赖仓库亦公开。上游资源的许可及获取要求继续适用。

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support