ACT pick_cube

Это обученная политика ACT (Action Chunking with Transformers) — метода imitation learning, который предсказывает короткие чанки действий вместо одиночных шагов и учится на телеоперированных данных. Модель собрана и выложена через LeRobot, весит около 0,05 млрд параметров и решает одну задачу — pick_cube.

👀 Ключевые особенности

• 🎥 На входе две камеры — front и wrist, каждая по 128×128, плюс вектор состояния размерности 18.
• 🚀 На выходе — вектор действия размерности 4.
• 🗿 Обучение шло на датасете asomegs/sim_pick_cube_kb_rand: 22 эпизода, 1545 кадров, 10 FPS.
• 🔥 Конфигурация: 20 000 шагов, batch size 8, оптимизатор AdamW, learning rate 1e-5, seed 1000, LeRobot 0.7.1.
• 👌 Запуск и дообучение — штатными командами lerobot-rollout и lerobot-train.

😎 Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=<your_robot_type> \
  --robot.port=<your_robot_port> \
  --policy.path=asomegs/act_sim_pick_cube_rand \
  --task="pick_cube" \
  --duration=60

Подробнее

Результатов оценки авторы не приводят — таблица успешных попыток в карточке пустая.
Лицензия не указана, данные собраны только в симуляции: 22 эпизода — очень мало для переноса на реального робота.
Имена камер при запуске должны совпадать с ключами, на которых учили: front и wrist.