GR00T-политика для UR5e
перекладывает продукты в коробку
2 мин чтенияобновлено
Это обученная policy (политика управления) для робота Panda+UR5e: она получает картинки с трёх камер, положение суставов и текстовую команду, а на выходе предсказывает действия манипулятора. В основе — открытая кросс-эмбодимент foundation-модель NVIDIA GR00T N1.7 (для разных роботов) с backbone Cosmos-Reason2/Qwen3-VL и flow-matching action transformer. Чекпоинт обучен через LeRobot на 1526 эпизодах, где робот брал продукты и клал их в коробку. Это не универсальный ассистент, а конкретная политика под pick-and-place на указанном железе; пригодится робототехникам, которые работают с LeRobot и UR5e/Panda.
Ключевые особенности
- Базируется на GR00T N1.7 от NVIDIA: Cosmos-Reason2/Qwen3-VL и flow-matching action transformer.
- Три входа с камер —
agentview,robot0_eye_in_handиrobot0_eye_in_hand_2; состояние(9,), действие(7,). - Обучена на 1526 эпизодах и 377 262 кадрах при 20 FPS для команд вида «Pick … and place it into the box».
- Конфиг LeRobot 0.6.0: 60 000 шагов, batch 16, AdamW, learning rate 7e-05, seed 0.
- В карточке нет результатов оценки на реальном роботе — только чекпоинт и данные обучения.
Что можно сделать
- Запустить rollout на Panda+UR5e с тремя камерами и одной из текстовых задач карточки — например, с яблоком или джемом.
- Взять чекпоинт как готовую политику для экспериментов с pick-and-place в LeRobot.
- Обучить свою версию через
lerobot-trainна собственном датасете и сравнить с этим чекпоинтом. - Посмотреть эпизоды датасета в LeRobot visualizer, чтобы понять сценарии и качество демонстраций.
Пример
lerobot-rollout \
--strategy.type=base \
--robot.type=Panda+UR5e \
--robot.port=<your_robot_port> \
--policy.path=mim-chess-vlas/train_800_sparse__no_mask__ur5e__groot__seed_0__ab_b30 \
--task="Pick the jam and place it into the box" \
--duration=60
Подробнее
По метаданным — 3,14B параметров; лицензия Apache-2.0.Вход: состояние (9,) и три RGB-кадра 224×224; выход: 7-мерное действие.
Датасет: 1526 эпизодов, 377 262 кадра, 20 FPS.
Ограничения: нет опубликованной оценки; нужен Panda+UR5e и камеры с теми же именами, что при обучении.










Комментарии