ManiGaussian
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
Ennek a modellnek a súlyai nyitottak, de egyetlen paraméterszám sem került nyilvánosságra. Minden memória- és sebességadat ebből a számából indul ki, így inkább nem mutatunk semmit, mint hogy egy megvezető becslést adjunk..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Tsinghua University,Nanyang Technological University,Carnegie Mellon University (CMU)
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- China, Singapore, United States of America
- Kiadva
- 13 March 2024
- Szerzők
- Guanxing Lu, Shiyi Zhang, Ziwei Wang, Changliu Liu, Jiwen Lu, Yansong Tang
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Robotics, Vision, Video
- Feladat
- Robotic manipulation
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Képzési adatok
- tokens
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA GeForce RTX 4090
- Felhasznált chipek
- 2
- Energiafogyasztás
- 1.8 kW
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Open — downloadable
- Modell hozzáférés
- Open weights (unrestricted)
- Képzés kód
- Open source
MIT license https://github.com/GuanxingLu/ManiGaussian
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Miért követik nyomon
- SOTA improvement
- Rögzítési bizalom
- Confident
- Citations
- 129
1 Introduction: "We evaluate our ManiGaussian method on the RLBench dataset [27] with 10 tasks and 166 variants, where our method outperforms the state-of-the-art multi-task robotic manipulation methods by 13.1% in the average task success rate"
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- ManiGaussian: Dynamic Gaussian Splatting for Multi-task Robotic Manipulation
- Utoljára frissítve
- 25 May 2026
Mit jelentek a számok
Where it came from
ManiGaussian was published by Tsinghua University,Nanyang Technological University,Carnegie Mellon University (CMU), in China, in March 2024. The organisation is categorised as academia,Academia,Academia.
It works in Robotics, Vision, Video, and is recorded as doing robotic manipulation.
The weights are published, so it can be downloaded and run on your own hardware indefinitely, offline, with no account attached.
Hogyan lett betanítva
The reason it appears in this catalogue at all is sOTA improvement.
Válaszok
ManiGaussian — Gyakran ismételt kérdések
Who created ManiGaussian?
ManiGaussian was published by Tsinghua University,Nanyang Technological University,Carnegie Mellon University (CMU), based in China, categorised as academia,Academia,Academia.
When was ManiGaussian released?
ManiGaussian was published in March 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is ManiGaussian used for?
ManiGaussian works in Robotics, Vision, Video, and is recorded as handling robotic manipulation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
Where can I download ManiGaussian?
The weights for ManiGaussian are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run ManiGaussian?
We cannot say. ManiGaussian has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is ManiGaussian open source?
Its weights are published, so ManiGaussian can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does ManiGaussian have?
No parameter count has been published for ManiGaussian, which is why no memory or speed figure appears on this page.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.