pi05-libero-x-level123-lora
LoRA-адаптер для робототехники на базе pi0.5
2 мин чтенияобновлено
Лёгкий LoRA-адаптер (небольшая надстройка над базовой моделью весом 28 МБ и объёмом 7.03 млн параметров), дообученный для управления роботизированным манипулятором Franka Panda в симуляторе. В основе лежит политика lerobot/pi05_libero (архитектура pi0.5: визуальный энкодер SigLIP, языковая база Gemma 2B и эксперт действий Gemma 300M на базе flow matching), доработанная автором podolinsky с помощью библиотеки LeRobot 0.7.0. В отличие от базовой модели, адаптер обучался на 1 076 демонстрациях по 218 задачам из датасета LIBERO-X (уровни 1–3) и использует нормализацию mean/std вместо квантилей. Подойдёт исследователям VLA-моделей (Vision-Language-Action) и разработчикам робототехники как готовая воспроизводимая база для экспериментов и дальнейшего дообучения.
Ключевые особенности
- Точечная настройка действий: визуальный энкодер и языковая модель заморожены — обучались только 130 модулей эксперта действий (rank 16, alpha 32).
- Собственная статистика нормализации: в репозиторий уже включены файлы
policy_preprocessor*иpolicy_postprocessor*для корректного масштабирования состояний и 7-мерных действий. - Воспроизводимый пайплайн: приложен полный конфиг
train_config.json— обучение заняло 1 эпоху (15 500 шагов оптимизатора) на одной RTX 4090 за 8.3 часа. - Честный статус чекпоинта: модель опубликована как стартовая точка — она прошла проверку только по падению функции потерь (с ~2.5 до ~0.7) и пока не тестировалась в симуляторе.
Что можно сделать
- Прогнать оценку в симуляторе LIBERO-X: замерить реальный процент успешного выполнения (success rate) на 218 задачах, чего автор ещё не успел сделать.
- Продолжить дообучение: использовать этот адаптер как стартовый чекпоинт для дополнительных эпох или адаптации под новые инструкции манипулятора Franka Panda.
- Изучить отказы VLA-моделей: применить чекпоинт в исследованиях по предсказанию ошибок и калибровке латентных представлений в робототехнике.
Пример
from peft import PeftConfig, PeftModel
from lerobot.configs.policies import PreTrainedConfig
from lerobot.policies.pi05.modeling_pi05 import PI05Policy
adapter = "podolinsky/pi05-libero-x-level123-lora"
config = PreTrainedConfig.from_pretrained(adapter)
base = PI05Policy.from_pretrained(PeftConfig.from_pretrained(adapter).base_model_name_or_path, config=config)
policy = PeftModel.from_pretrained(base, adapter)
Подробнее
Данные: 371 555 кадров, 1 076 эпизодов, 152 уникальные инструкции (218 задач), 2 камеры 256×256.Обучение: 1 эпоха (92 800 микро-шагов, батч 24), AdamW (lr 1e-4), точность bf16 с
torch.compile.Ограничения: только симуляция Franka Panda; разметка эпизодов велась только по тексту инструкций без учёта сцен; требуется токенизатор
google/paligemma-3b-pt-224.Лицензия: Gemma Terms of Use (датасет LIBERO-X — CC BY 4.0).










Комментарии