Humanoid Locomotion
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- University of California (UC) Berkeley
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 29 February 2024
- Autores
- Ilija Radosavovic, Bike Zhang, Baifeng Shi, Jathushan Rajasegaran, Sarthak Kamat, Trevor Darrell, Koushil Sreenath, Jitendra Malik
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Robotics
- Tarea
- Animal (human/non-human) imitation
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 8M
- Datos de entrenamiento
- tokens
Largest model trained has 8M params. Note actual model used in real-world experiments appears to be 2M, to improve latency. See sections 5.1 and 5.9.
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Likely
- Citas
- 108
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Humanoid Locomotion as Next Token Prediction
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
Humanoid Locomotion fue publicado por University of California (UC) Berkeley, en el país registrado como United States of America, durante February 2024. Sale de una organización categorizada como academia.
Funciona en el dominio de Robotics, y se registra como realizando la tarea de animal (human/non-human) imitation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
Humanoid Locomotion — preguntas comunes
Humanoid Locomotion— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Humanoid Locomotion— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 8M. Largest model trained has 8M params. Note actual model used in real-world experiments appears to be 2M, to improve latency. See sections 5.1 and 5.9. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Humanoid Locomotion— ¿Quién lo creó?
Fue publicado por University of California (UC) Berkeley, basado en United States of America, una organización categorizada como academia.
Humanoid Locomotion— ¿cuándo fue lanzado?
Se publicó en February 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Humanoid Locomotion— ¿Para qué se utiliza?
Funciona en el dominio de Robotics, y se registra como manejando la tarea de animal (human/non-human) imitation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Humanoid Locomotion— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.