外观
Skip to content
模型liruiwhpt-base
模型档案汇总架构、许可、适配机型与资料来源
hpt-base
liruiw 在 Hugging Face 发布的机器人模型，基于 transformers，参数规模 13M。
概述
这个模型的核心架构、动作空间设计与真机部署定位。
HPT（Heterogenous Pre-trained Transformers）是一个面向策略学习的预训练 Transformer 方法，目标是将不同具身形态对齐到共享潜在空间，并研究策略学习中的尺度化行为。其核心建议是在策略中间引入可扩展的 Transformer，而不是从零开始训练。
该工作由 Lirui Wang、Xinlei Chen、Jialiang Zhao 和 Kaiming He 提出，论文发表于 NeurIPS 2024 Spotlight，并提供论文链接与项目页入口。仓库未给出具体机器人型号、任务设置、训练数据规模或使用步骤。
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
- 13M
- 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
- SafeTensors
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 liruiw/hpt-base --local-dir ./checkpoints/liruiw-hpt-base
# 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=liruiw/hpt-base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 liruiw/hpt-base访问 2026-10-21