SO-101 RAX Drawer ACT RGB-D

ACT-политика от alexhegit для робота SO-101: открыть ящик, положить предмет и закрыть. Обучена на демо place100d с камерами camera_top / camera_side / camera_wrist / camera_top_depth и абсолютными 6-D joint .pos.

▶ Ключевые особенности

• ➕ Верхняя метрическая глубина подаётся как 3-канальный gray для ResNet.
• 🔤 Четыре камеры: top, side, wrist и top_depth.
• 🔜 30 000 шагов обучения на AMD Instinct MI300X.
• ✖ Парная абляция на тех же place100d-демо и бюджете ACT: +20 pp на explore10 и test20.
• ▶ Чекпоинт для lerobot ACT; RGB-версия без depth — отдельный sibling.

➕ Пример

from lerobot.policies.act.modeling_act import ACTPolicy

policy = ACTPolicy.from_pretrained(
    "alexhegit/so101-simstudio-rax-drawer-act-rgbd-place100d"
)

Подробнее

Closed-loop: RGB-D — 6/10 (60%) на explore10 и 11/20 (55%) на test20; RGB sibling — 4/10 (40%) и 7/20 (35%).
Прирост +20 pp в обеих оценках при одинаковых демо и бюджете ACT.
Ограничения: маленькое n; глубина — gray pseudo-RGB, без отдельного depth-backbone.
Eval: halo, MUJOCO_GL=egl, locked manifests, state 6-D.