LINK-01

Это LoRA-адаптер для Qwen/Qwen3.5-0.8B, который по текстовому описанию состояния робота LINK-01 выбирает одно действие на следующие 0,5 секунды. Вход включает цель, направление, датчики расстояния, скорость и предыдущий выбор; задача карточки — avoid_obstacles. Проект исследовательско-образовательный, от CONNECT AI LAB × AI CITY BUILDERS, карточка на корейском.

✨ Ключевые особенности

• 🦾 LoRA для Qwen3.5-0.8B через peft; модель должна вернуть ровно одну букву выбранного варианта.
• 👁 Состояние робота переводится в текст, а модель работает как «мозг» принятия решений.
• 🧘 Сначала дистилляция ответов PPO-«мозга» на 1700/337/509 примерах, затем RL с KL-ограничением; в итоге опубликован SFT-вариант.
• ✅ На тесте SFT совпадает с учителем в 31,2% случаев, RL — в 22,8%, до обучения — в 18,9%.
• 📉 В 20 прогонах на одной трассе успех 0% у всех обученных вариантов; у PPO-учителя — 50%.
• 🤫 Язык карточки и обучения — корейский; для реального робота нужна повторная проверка.

👁 Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base = "Qwen/Qwen3.5-0.8B"
tok = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(base)
model = PeftModel.from_pretrained(model, "LeeSanghyun/connectailab-rl-leesanghyun-v1-link01")

Подробнее

Тест: SFT — 31,2% совпадений с учителем, RL — 22,8%, до обучения — 18,9%; верхняя оценка совпадения — 99%.
20 прогонов на одной трассе: успех 0% у всех вариантов, у PPO-учителя — 50%; столкновения — 10% у SFT и до обучения, 100% у RL.
Ходьба оценивалась приближением по таблице скоростей 2D MuJoCo, без реальной модели робота.
Перед использованием на реальном роботе нужна проверка в конкретной среде.