URDF-conditioned Graph IK

Это обученная обратная кинематика (IK), которая читает URDF робота как кинематический граф и решает IK для манипуляторов, на которых модель не тренировалась; предыдущее состояние суставов не требуется. В репозитории — эксперимент main_s2 с model.pt, config.json, metrics.json, таблицами и видео.

🧐 Ключевые особенности

• 🤖 Читает URDF как кинематический граф и не требует предыдущего состояния суставов.
• 🚀 Решает IK для манипуляторов, не встречавшихся при обучении; для этого используется полный пайплайн с refiner.
• 💯 На unseen robots в main_s2: succ_std 0.9578, pos_mm_med 3.07e-05; на seen robots — 0.9854.
• 👀 В каждом эксперименте лежат model.pt, config.json, metrics.json, CSV/Markdown/LaTeX-таблицы и видео.
• 🔥 В метаданных есть отдельный вариант seed_1, но в карточке описан только main_s2.

🚀 Пример

from huggingface_hub import hf_hub_download
import torch
ck = torch.load(hf_hub_download("iFaz/urdf-graph-ik-journal-main-seed_2", "experiments/main_s0/model.pt"), weights_only=False)
# model = build_model(ck["cfg"], ck["text_dim"]); model.load_state_dict(ck["state"])

Подробнее

На unseen robots: succ_std 0.9578, pos_mm_med 3.07e-05; на seen robots — 0.9854.
Без refiner (net-only) на unseen robots succ_std падает до 0.
Обучение: ~158 мин, 1.29 GB GPU; CUDA batch=1 — 171 мс.
Leave-one-robot-out не запускали.