LLM-driven robot policy learning
компактная политика управления роботом
2 min readupdated
Небольшая нейросетевая политика (policy — модель принятия решений для управления роботом) для задач манипуляции, созданная в рамках исследовательского прототипа проекта RaccoonBot от Yonghyun Yu. Модель получает на вход историю наблюдений и предыдущие команды, а на выходе выдает логиты четырех действий (движение, открытие, закрытие, завершение) и целевые углы для четырех суставов в градусах. Это кастомный PyTorch-чекпоинт весом всего в 41 тысячу параметров, предназначенный для локальной проверки и исследований, а не готовый контроллер для физического оборудования.
Ключевые особенности
- Ультракомпактный размер: модель содержит всего 41 059 параметров и реализована как кастомный артефакт PyTorch (
selected_policy.pt), а не тяжелый пайплайн Transformers. - Структурированный вход и выход: принимает историю наблюдений размерностью 8 × 82 вместе с маской валидности и предыдущими командами, возвращая 4 логита действий и 4 целевых угла суставов.
- Минимальный оффлайн-загрузчик: в комплекте идет архив
offline_loader.zipс функциейload_student_checkpointи скриптом для проверки работоспособности на CPU. - Исследовательская концепция: артефакт является частью проекта по созданию цикла обучения роботов с использованием данных поведения, сгенерированных LLM, и обратной связи от человека.
Что можно сделать
- Проверить корректность загрузки весов и прогнать синтетический инференс на CPU с помощью встроенного smoke-теста.
- Изучить архитектуру и формат
terra-native-source-distance-close-evidence.v1в связке с исходным кодом и статьей из связанного GitHub-репозитория. - Использовать чекпоинт как референс для разработки собственных легковесных политик манипуляции в симуляторах с соблюдением необходимых мер безопасности.
Пример
# Скачайте selected_policy.pt и offline_loader.zip в одну папку, распакуйте архив и запустите:
python offline_smoke.py
Подробнее
Параметры: 41 059 (SHA-256 чекпоинта указан в карточке).Проверка: протестировано на CPU в Python 3.14.3 и PyTorch 2.11.0+cu130 (пройдены 102 валидных и 4 невалидных тестовых случая при рефакторинге загрузчика).
Ограничения: не является сертифицированным контроллером для реального железа, требует контроля человека и аппаратной защиты.
Лицензия: не выбрана автором (перед коммерческим использованием или распространением необходимо связаться с разработчиком).










Comments