Skip to content

h-jepa-GGUF ​

h-jepa-GGUF

jepacpp 在 Hugging Face 发布的机器人模型,架构为 Transformer (jepa-world-models/h-jepa)。

模型jepacpph-jepa-GGUF

模型档案汇总架构、许可、适配机型与资料来源

h-jepa-GGUF

jepacpp 在 Hugging Face 发布的机器人模型,架构为 Transformer (jepa-world-models/h-jepa)。

  • 具身模型
世界模型研究更新于 15 天前

概述

这个模型的核心架构、动作空间设计与真机部署定位。

H-JEPA 是面向 jepa.cpp 的 GGUF 模型集合,来源于作者发布的 jepa-world-models/h-jepa 检查点,并转换为可在 ggml C/C++ 引擎中运行的格式;运行时不需要 Python 和 PyTorch。仓库包含 hjepa_l{N} 分层 H-JEPA、hwm_l{N} 基线以及 lewm 单层基线,并按 ant、cube、fourroom、pusht、droid 等配置提供一个已发布种子的文件。模型以动作条件 JEPA 世界模型为核心:第 1 层在 ViT 图像编码器的潜空间预测下一步,上层对下层每隔 stride 的状态重新编码,并在潜在宏动作条件下预测其下一步。jepa.cpp 侧可运行编码器、各层状态编码器、动作编码器、预测器、潜在 rollout,以及从观测和目标图像生成动作的自顶向下梯度规划器。仓库对转换后文件与作者 PyTorch 模块的激活进行了对齐检查,覆盖编码器 token、各层状态、潜在动作、动作嵌入、teacher-forced 预测、自回归 rollout 和从帧到顶层状态的整链路。f32、f16 和 q8_0 文件给出了余弦相似度与相对误差;q4_k 及以下未发布。规划器也用作者的 GradientSolver / HierarchicalSolver 随机回放进行检查;q8_0 仅作为前向模型验证,闭环规划效果未测量。

资料出处 Hugging Face jepacpp/h-jepa-GGUF

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。

Hub 下载量
1.2k
出处Hugging Face
Hub 点赞
0
出处Hugging Face
网络架构
Transformer (jepa-world-models/h-jepa)
动作空间表示
连续关节目标位置 (Joint Position Targets)
支持数据格式
GGUF

暂未公开或待收录:参数量 · 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

mit

权重许可证

mit

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 jepacpp/h-jepa-GGUF --local-dir ./checkpoints/jepacpp-h-jepa-gguf

# 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=jepacpp/h-jepa-GGUF

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。

来源

本页事实对应的公开页面,以原文为准。

  1. Hugging Face jepacpp/h-jepa-GGUF访问 2026-10-21