grasp-anything-joint-2500

Grasp Anything 2D — Checkpoint 2500 (joint 联合)

基于 NVIDIA LocateAnything-3B 的语言引导二维抓取模型,joint 联合训练产物。单 checkpoint 同时支持 grasp_contact 和 grasp_rect 两种任务。

任务

grasp_contact + grasp_rect 联合 — 单 checkpoint 双任务,共享 LLM backbone。

• contact: 输出平行夹爪两个接触点 (x1, y1, x2, y2)
• rect: 输出矩形抓取 (cx, cy, θ, width)

评测结果(RealVLG 官方 mini633)

• 评测协议: evaluate_realvlg_contact.py,fast 模式
• similar split gAcc 53.1% — 所有 checkpoint 中最高(双任务正则带来更强泛化)
• 训练量仅 contact 专用的 1/8,性能却与 5x 训练量的 SFT checkpoint 持平

使用方法

from locate_anything_service.model import LocateAnythingRuntime
from locate_anything_service.config import Settings

# joint checkpoint 两种模式都能跑
settings = Settings(model_id="charlesH777/grasp-anything-joint-2500")
runtime = LocateAnythingRuntime(settings)

# contact 任务
result = runtime.predict("image.jpg", "抓取红色杯子", mode="grasp_contact")

# rect 任务
result = runtime.predict("image.jpg", "抓取红色杯子", mode="grasp_rect")

训练配置

• 阶段: joint geometry (contact + grasp_rect 双任务联合)
• LLM LoRA: rank 32, target Qwen2.5-3B-Instruct
• 训练量: seen_contact_blocks = 19,941, seen_grasp_rect_blocks = 20,005
• contact_pair_weight: 1.0, grasp_rect_pose_weight: 1.0