Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
把触觉传感器信号编码成潜在特征,用于机器人操作研究,涵盖磁式、压阻式和视觉触觉三种传感。仓库里只有权重和配置。
LingBot-Touch-Tiny 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download robbyant/lingbot-touch-tiny
LingBot-Touch-Tiny 是 LingBot-Touch 的编码器,LingBot-Touch 是面向机器人的触觉表示模型,采用 JEPA 式设计。它通过在潜在空间里做预测,学习接触结构以及接触随时间变化的特征。它涵盖三类触觉传感:磁式、压阻式和视觉触觉。
使用触觉传感器和灵巧手、想要一个预训练的触觉信号编码器的机器人研究人员。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 机器人 | 操作研究人员 | 把触觉信号变成抓取任务的特征 | 把指尖读数输入下游策略 |
| 传感器研究 | 硬件团队 | 在同一空间里比较不同类型的触觉传感器 | 把磁式和压阻式数据映射成同一格式 |
| 学术界 | 学生 | 研究触觉数据的潜在预测 | 探查编码器输出的特征 |
如果你想要开箱即用的机器人控制器,可以跳过它,因为仓库里只有权重和配置。
| Use case | Who | What they get back |
|---|---|---|
| 触觉特征 | 研究人员 | 触觉的词元级潜在表示 |
| 操作研究 | 机器人团队 | 用于下游感知和控制的特征 |
| 传感器比较 | 硬件团队 | 三种传感类型共用的一种表示 |
pip install -U huggingface_hub hf download robbyant/lingbot-touch-tiny
把归一化的触觉信号连同触觉点坐标和传感类型的选择传给编码器。它返回潜在特征,供你为任务读出。卡片建议用注意力来查询这些特征。
| Tool | What it does |
|---|---|
| encoder.pt | 冻结的目标编码器的权重 |
| config.json | 推理架构和传感类型的路径 |
你把机器人手五根手指的读数归一化,并选择磁式传感类型。编码器返回词元级的潜在特征,并带有时间、手指和位置的标签,你再把它们交给任务头。
如果你是新手,这是机器人研究的构件,不是应用。试用前先读懂输入的形状和传感器的设置。
输入的形状是批次、时间、5 根手指、点数和 3 个值。手指的顺序固定为拇指、食指、中指、无名指和小指。X 和 Y 归一化到负一到一之间,Z 归一化到零到一之间。对于压阻式和视觉触觉传感器,单个数值放在 Z 里,X 和 Y 都置零。
把触觉传感器信号编码成潜在特征,用于机器人操作研究,涵盖磁式、压阻式和视觉触觉三种传感。仓库里只有权重和配置。
由 robbyant 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:LingBot-Touch-Tiny 是 LingBot-Touch 的编码器,LingBot-Touch 是面向机器人的触觉表示模型,采用 JEPA 式设计。它通过在潜在空间里做预测,学习接触结构以及接触随时间变化的特征。它涵盖三类触觉传感:磁式、压阻式和视觉触觉。
适合谁:使用触觉传感器和灵巧手、想要一个预训练的触觉信号编码器的机器人研究人员。
Industry | Who uses it | How they use it | Example
机器人 | 操作研究人员 | 把触觉信号变成抓取任务的特征 | 把指尖读数输入下游策略
传感器研究 | 硬件团队 | 在同一空间里比较不同类型的触觉传感器 | 把磁式和压阻式数据映射成同一格式
学术界 | 学生 | 研究触觉数据的潜在预测 | 探查编码器输出的特征
如果你想要开箱即用的机器人控制器,可以跳过它,因为仓库里只有权重和配置。
用在哪里:
Use case | Who | What they get back
触觉特征 | 研究人员 | 触觉的词元级潜在表示
操作研究 | 机器人团队 | 用于下游感知和控制的特征
传感器比较 | 硬件团队 | 三种传感类型共用的一种表示
如何设置:
pip install -U huggingface_hub
hf download robbyant/lingbot-touch-tiny
如何使用:把归一化的触觉信号连同触觉点坐标和传感类型的选择传给编码器。它返回潜在特征,供你为任务读出。卡片建议用注意力来查询这些特征。
Tool | What it does
encoder.pt | 冻结的目标编码器的权重
config.json | 推理架构和传感类型的路径
示例:你把机器人手五根手指的读数归一化,并选择磁式传感类型。编码器返回词元级的潜在特征,并带有时间、手指和位置的标签,你再把它们交给任务头。
新手与专家:如果你是新手,这是机器人研究的构件,不是应用。试用前先读懂输入的形状和传感器的设置。
输入的形状是批次、时间、5 根手指、点数和 3 个值。手指的顺序固定为拇指、食指、中指、无名指和小指。X 和 Y 归一化到负一到一之间,Z 归一化到零到一之间。对于压阻式和视觉触觉传感器,单个数值放在 Z 里,X 和 Y 都置零。
触觉信号被归一化
选定触觉点坐标和传感类型
共享的 Transformer 对其编码
输出带地址的潜在词元
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download robbyant/lingbot-touch-tiny
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| LingBot-Touch-Tiny 本页 | 380 | 13 | — | apache-2.0 | |
| lingbot-touch-small共有 tactile · representation-learning · robotics | 309 | 10 | — | apache-2.0 | |
| MERT-v2-FullSong共有 representation-learning | 13,790 | 57 | 632M | cc-by-nc-4.0 | |
| H-JEPA共有 robotics | 0 | 25 | — | mit |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。