Humanoid Locomotion
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- University of California (UC) Berkeley
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 29 February 2024
- Autorzy
- Ilija Radosavovic, Bike Zhang, Baifeng Shi, Jathushan Rajasegaran, Sarthak Kamat, Trevor Darrell, Koushil Sreenath, Jitendra Malik
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Robotics
- Zadanie
- Animal (human/non-human) imitation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 8M
- Dane treningowe
- 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.
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 108
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Humanoid Locomotion as Next Token Prediction
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
Humanoid Locomotion został opublikowany przez University of California (UC) Berkeley, w kraju zapisanym jako United States of America, podczas February 2024. Wychodzi z organizacji zaklasyfikowanej jako academia.
Działa w dziedzinie Robotics, i jest zapisany jako wykonujący zadanie animal (human/non-human) imitation.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
Humanoid Locomotion — częste pytania
Humanoid Locomotion— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Humanoid Locomotion— ile ma parametrów?
Ma liczbę parametrów równą 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. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Humanoid Locomotion— kto to stworzył?
Zostało opublikowane przez University of California (UC) Berkeley, oparty na United States of America, organizacja sklasyfikowana jako academia.
Humanoid Locomotion— kiedy to zostało wydane?
Zostało opublikowane w February 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Humanoid Locomotion— do czego to służy?
Działa w dziedzinie Robotics, i jest zarejestrowany jako realizujący zadanie animal (human/non-human) imitation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Humanoid Locomotion— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.