GinDuck/microduck-sock-heist-6m-continue-2-h
быстрая RL-политика для робота microduck
2 мин чтенияобновлено
Модель представляет собой непрерывную политику управления (RL-агента, работающего в бесконечном цикле до остановки) для миниатюрного двуногого робота microduck от Pollen Robotics. Она решает задачу из челленджа Mjlab-SockHeist6m-MicroDuck: робот проскальзывает мимо «охранников» и забирает носок, укладываясь менее чем в 10 секунд на каждый заход. В отличие от базовой среды mjlab-microduck, это обученный специализированный контроллер походки и маневрирования, который принимает сырые данные с датчиков без предварительной внешней нормализации. Пригодится разработчикам и энтузиастам робототехники, работающим с платформой microduck или симулятором mjlab.
Ключевые особенности
- Высокая скорость выполнения: справляется со сценарием меньше чем за 10 секунд.
- Непрерывный режим работы (perpetual policy): загружается в слот контроллера как походка и работает на частоте 50 Hz до получения команды остановки.
- Входное пространство наблюдений имеет размерность 61-D, на выходе модель формирует 14 управляющих действий.
- Нормализатор наблюдений уже зашит внутрь файла
policy.onnx, поэтому на вход подаются сырые показатели.
Что можно сделать
- Загрузить политику напрямую на физического или виртуального робота microduck через утилиту
robotctlдля тестирования быстрой походки и обхода препятствий. - Использовать чекпоинт и конфигурацию из репозитория
microduck-challengesкак отправную точку для дообучения собственных сценариев навигации в симуляторе mjlab.
Пример
sudo robotctl policy load GinDuck/microduck-sock-heist-6m-continue-2-h
Подробнее
Базовая среда: mjlab-microduck 0.1.0 (коммит 1efd853be)Обучение: 4096 параллельных сред в симуляции, сохранён чекпоинт 300 (из 1000 итераций), seed 1
Формат манифеста: schema 2 (
manifest.json)Ограничения: обучение с подкреплением на GPU не гарантирует побитовую воспроизводимость весов на другом железе










Комментарии