act_so101_pick_place_addleftdata_chunksize25

Это ACT-политика имитационного обучения от Kwj1021 для робота so_follower: около 0.05B параметров, две камеры — wrist и top. Модель учится по телеоперированным данным и предсказывает короткие чанки действий вместо одиночных шагов.

🧩 Ключевые особенности

• 🎯 Обучена под задачу «pick up the object and place it in the target area».
• 👀 Входы: observation.state (6) и два изображения 480×640 с камер wrist и top.
• 🧩 Выход — 6-мерный вектор действий; ACT предсказывает короткие action chunks.
• 📀 Датасет: 128 эпизодов, 112 201 кадр, 30 FPS.
• ⚙ Совместима с LeRobot 0.6.2; запуск через lerobot-rollout.

🎯 Пример

lerobot-rollout \
  --strategy.type=base \
  --robot.type=so_follower \
  --robot.port=YOUR_PORT \
  --robot.cameras="{ wrist: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, top: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
  --policy.path=Kwj1021/act_so101_pick_place_addleftdata_chunksize25 \
  --task="pick up the object and place it in the target area" \
  --duration=60

Замените YOUR_PORT и индексы камер на свои; имена камер должны совпадать с ключами, на которых обучалась политика.

Подробнее

Обучение: 500 000 шагов, batch 8, AdamW, lr 1e-5; датасет — 128 эпизодов и 112 201 кадр при 30 FPS.
Оценки успешности в карточке нет; лицензия не указана.
Входы — состояние (6) и два изображения 480×640; выход — действие (6); параметров около 0.05B.