外观
Skip to content
模型AutowareFoundationmeteor
模型档案汇总架构、许可、适配机型与资料来源
meteor
AutowareFoundation 在 Hugging Face 发布的机器人模型，基于 tensorrt。
概述
这个模型的核心架构、动作空间设计与真机部署定位。
METEOR 是面向 Autoware 的环视多任务驾驶网络，输入为 TIER IV Co-MLOps DRS 的 8 路相机图像、标定参数和自车速度，单个 54M 参数网络一次前向输出 12 类驾驶任务。模型导出为 camera-only ONNX，输入分辨率为每相机 768×432，并提供 PyTorch checkpoint、ONNX、参数文件和 Python/C++ TensorRT 运行时；当前作为带自有运行时的参考模型发布，尚无 Autoware ROS 2 节点。
关键参数与架构规格
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
- 参数量
- 54M
- 网络架构
- LeRobot / PyTorch Policy Network
- 动作空间表示
- 连续关节位置/末端位姿动作空间
- 支持数据格式
- ONNXTensorRT
暂未公开或待收录：微调显存需求 · 闭环控制频率
快速部署与许可说明
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
apache-2.0
权重许可证
apache-2.0
权重下载与策略推理参考
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download AutowareFoundation/meteor --local-dir ./checkpoints/autowarefoundation-meteor
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=AutowareFoundation/meteor关联机型
模型卡或论文声明在这些机器人上训练、微调或部署过；口径是作者声明，不是第三方复现。
没有已核实的适配记录。
同家族模型
同一家族里的热门模型。
JiRackUltra_1bCMSManhattan/JiRackUltra_1b3 天前JEV-9Bautotrust/JEV-9B17 天前RynnBrain1.1-2BAlibaba-DAMO-Academy/RynnBrain1.1-2B1 个月前JiRackPrecisionTokenizerCMSManhattan/JiRackPrecisionTokenizer1 个月前microduck-policiespollen-robotics/microduck-policies16 天前MolmoAct2-SO100_101allenai/MolmoAct2-SO100_1015 个月前
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face AutowareFoundation/meteor访问 2026-10-21