ManiGaussian
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Tsinghua University,Nanyang Technological University,Carnegie Mellon University (CMU)
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- China, Singapore, United States of America
- Pubblicato
- 13 March 2024
- Autori
- Guanxing Lu, Shiyi Zhang, Ziwei Wang, Changliu Liu, Jiwen Lu, Yansong Tang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Robotics, Vision, Video
- Compito
- Robotic manipulation
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA GeForce RTX 4090
- Chip utilizzati
- 2
- Consumo energetico
- 1.8 kW
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
MIT license https://github.com/GuanxingLu/ManiGaussian
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 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"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ManiGaussian: Dynamic Gaussian Splatting for Multi-task Robotic Manipulation
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
ManiGaussian è stato pubblicato da Tsinghua University,Nanyang Technological University,Carnegie Mellon University (CMU), nel paese registrato come China, durante March 2024. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia.
Funziona nel dominio di Robotics, Vision, Video, ed è registrato come eseguire il compito di robotic manipulation.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Come è stato addestrato
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
ManiGaussian — domande comuni
ManiGaussian— chi l'ha creato?
È stato pubblicato da Tsinghua University,Nanyang Technological University,Carnegie Mellon University (CMU), basato su China, un'organizzazione categorizzata come academia,Academia,Academia.
ManiGaussian— quando è stato rilasciato?
È stato pubblicato in March 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
ManiGaussian— A cosa serve?
Funziona nel dominio di Robotics, Vision, Video, e viene registrato come gestire il compito di robotic manipulation. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
ManiGaussian— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
ManiGaussian— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
ManiGaussian— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
ManiGaussian— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.