ManiFlow-tb

ManiFlow-tb

allenai 的 ToyBlocks 积木堆叠项目的底层动作模型，用模拟的 Franka 机械臂数据训练，能在桌面上拾取、放置和旋转三块积木。这是面向机器人学的研究模型。

由 allenai 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。

简介

它是什么：ManiFlow-tb 负责 allenai 的积木堆叠机器人项目 ToyBlocks 中机械臂的底层动作。它的训练数据来自模拟的 Franka 机械臂在桌面上处理三块积木，包含两种任务：拾取放置和原地旋转积木。它通过 ToyBlocks 自己的策略服务器来评估。

适合谁：如果你是研究操作任务的机器人学研究人员，想要一个训练好的底层策略，在 ToyBlocks 模拟中评估，它就适合你。

行业 | 谁在用 | 怎么用 | 例子
机器人研究 | 操作任务研究人员 | 把它当作 ToyBlocks 里的底层动作模型 | 在三块积木的桌面任务上评估它
模仿学习 | 研究基于流的策略的团队 | 研究用流匹配和一致性训练得到的策略 | 对比它在多次重复运行中的结果
模拟基准测试 | 评测工程师 | 在保留的回合上运行闭环评测 | 在 128 个回合上测量成功次数和碰撞次数

如果你想驱动真实的机器人，可以跳过它，因为模型卡只报告了模拟结果。

用在哪里：

• ToyBlocks 模拟和它的策略服务器
• 装有 Python 的 Windows、macOS 和 Linux，用来下载文件
• GPU 机器，模型卡用它们做训练和评测

用例 | 谁 | 得到什么
策略评估 | 研究人员 | 保留回合上的成功和碰撞次数
动作预测 | 机器人开发者 | 供机械臂使用的 25 个动作一组的块
训练研究 | 学习研究人员 | 一个训练了 200,000 步的检查点

如何设置：
你需要先准备：

• Windows、macOS 或 Linux 上的 Python
• ToyBlocks 代码和该项目的评测数据集
• 足够运行模拟和模型的 GPU 能力

1. 安装或更新 Hugging Face 下载客户端。
2. 把这个仓库下载到本地文件夹。
3. 保持目录布局不变，让 config.yaml 紧挨着 checkpoints 文件夹，因为服务器会从中读取设置。
4. 针对权重文件运行 ToyBlocks 的评测脚本。

pip install -U huggingface_hub
hf download allenai/maniflow-tb --local-dir maniflow-tb

如何使用：你通过 ToyBlocks 来评估这个模型，让它的启动脚本指向权重文件和评测数据集。

python scripts/launch_eval.py --policy maniflow \
  --model-path maniflow-tb/checkpoints/steps_200000_model.safetensors \
  --dataset-path <ToyBlocks eval dataset> --expert-timeout-scale 3.0 ...

工具 | 作用
scripts/launch_eval.py | 在 ToyBlocks 模拟中运行闭环评测
--policy maniflow | 选择这个模型作为策略
--model-path | 指向 checkpoints 文件夹里的权重文件
--dataset-path | 指向 ToyBlocks 评测数据集
--expert-timeout-scale | 把时间限制设为最长专家演示的若干倍

示例：你在 128 个保留的三块积木回合上运行评测脚本，时间限制倍数设为 3。模型卡的四次运行成功率为 54% 到 59%，每次有 30 到 38 次碰撞。

新手与专家：ManiFlow-tb 是机器人控制模型，不是聊天机器人。它读取相机图像和机械臂状态，然后输出接下来的动作。可以先用下载命令，再按 ToyBlocks 自己的说明运行评测。

对熟悉这个领域的读者来说，它使用多模态动作网络，带 12 层扩散 transformer 头，有 322.5M 参数。输入是两路 RGB 画面、9 维状态、任务名和来自高层策略的目标热力图。它每块输出 25 个绝对动作。最后一个动作维度是播放模式，值为 1 或 0 时你必须把它反馈给模型。

高层策略设定目标热力图
前视和夹爪图像连同状态一起输入
动作头运行 12 个流步骤
输出一组 25 个动作
播放模式被反馈给模型

注意事项：

• 安全：没有做过安全基准测试，模型卡把使用限定在它的研究协议内。
• 时间限制：用默认的 30 秒时，大多数回合会超时，128 个回合里只有 26 到 28 个成功。
• 重复运行：不同运行的分数会略有出入，因为模拟器和批量推理都不能给出逐位相同的结果。
• 理想计划：评测从记录的任务里取高层计划，所以它只对这个模型本身打分。
• 权重：它们是第 200,000 步的非 EMA 权重。

Title: 四次运行在 128 个回合上的成功率
Run 1: 57 %
Run 2: 59 %
Run 3: 59 %
Run 4: 54 %

• License: Apache 2.0，涵盖权重和训练代码。
• Cost to run: 未提及。
• Data it reaches: 来自 ToyBlocks 模拟的图像和状态。这里的文字没有提到联网使用。
• Not for: 超出所提供研究协议的使用，如模型卡的安全说明所述。

Hugging Face 上的数据（2026年11月15日）

• 任务：robotics
• Formats: Safetensors
• 最近 30 天下载：89
• 点赞：3
• 许可证：apache-2.0
• 标签：safetensors, robotics, manipulation, franka, flow-matching, maniflow, toyblocks

链接

• 模型：https://huggingface.co/allenai/maniflow-tb
• 文件：https://huggingface.co/allenai/maniflow-tb/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download allenai/maniflow-tb

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。