Pi0.5 Task820

Набор из трёх EMA-чекпоинтов (10k/20k/30k шагов) от Demomasterlqx — SFT-политика Pi0.5 для робототехнической задачи task820 firm-current. Двухветвевая LoRA и остальные обучаемые параметры уже влиты в полную базу Pi0.5, поэтому каждый step_* можно загружать отдельно без исходной модели и адаптера.

🦾 Ключевые особенности

• 🦾 Три независимых чекпоинта: step_10000, step_20000, step_30000; EMA 0.99, BF16, веса слиты с базой.
• 👁 На входе только RGB основной и wrist-камеры плюс язык; нет state-токенов, силы, тактильных изображений и marker motion.
• ✅ Архитектура Pi0.5: action horizon=50, внутренняя размерность действия 32, эффективный выход 13-мерный — 7 действий + 6 сил.
• 🔥 Обучение на xiangxin0923/realworld_task820_firm_current: 90 эпизодов, 13 446 кадров, 5 fps; промпты без наречий.
• 📉 У силовых каналов loss-вес 0 — прямой супервизии нет; поле state нужно для нормализации, но не как вход модели.

✅ Пример

from pathlib import Path
from huggingface_hub import snapshot_download
step = 30000
root = Path(snapshot_download(
    "Demomasterlqx/VTLA-RL-sft-lora-task820-firm-current-vision-nostate-force0",
    allow_patterns=[f"step_{step}/*"],
))
checkpoint = root / f"step_{step}"

Подробнее

Бенчмарков и оценки успешности нет: проверка касается экспорта и структуры, не качества политики.
Запуск — в OpenPI PyTorch / T2-VLA, не через Transformers AutoModel; проверено в Docker 0.9.7.
Обучение: 2 GPU FSDP, micro batch 16, global batch 32, AdamW lr 2.5e-5, 30k шагов за 63 ч 18 мин.
Ограничения: только vision+language, без force/tactile/state-условия; силовые каналы без прямого обучения.