LINK-01

Это LoRA-адаптер к Qwen/Qwen3.5-0.8B для робота LINK-01: модель читает текстовое описание состояния — цель, направление, показания LiDAR, скорость и предыдущий выбор — и выбирает одно действие на следующие 0,5 с. Обучена дистилляцией PPO-«мозга» из веб-тренажёра и RL по предпочтениям; язык карточки — корейский.

🔤 Ключевые особенности

• ➕ База Qwen/Qwen3.5-0.8B + LoRA, библиотека peft.
• ▶ Задача avoid_obstacles: 21-мерное наблюдение, 11 направлений LiDAR, обход препятствий и подход к цели.
• 🔤 Пайплайн: SFT на 1282 примерах, затем RL по предпочтениям с KL-ограничением.
• 🔜 Ответ — ровно одна буква варианта, без объяснений; в карточке задан system prompt.
• ◀ В таблице метрики SFT и RL совпадают: 59,6% совпадения с учителем на test и 25% столкновений в 20 прогонах.

▶ Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
tok = AutoTokenizer.from_pretrained('Qwen/Qwen3.5-0.8B')
model = PeftModel.from_pretrained(AutoModelForCausalLM.from_pretrained('Qwen/Qwen3.5-0.8B'), 'rhemslkim/connectailab-rl-rere-v5-link01')

Подробнее

Данные: train 1282, valid 251, test 374; верхняя граница совпадения с учителем — 99%.
Учитель-PPO: 100% на тесте и 100% успешных прогонов, 5% столкновений, среднее время 27,8 с.
У модели: 0% успешных прогонов и 25% столкновений; valid-точность RL — 63,7%.
Оценка — 2D-приближение по таблице скоростей, без модели робота и walking-сети; результаты могут отличаться от MuJoCo.
Перед реальным роботом нужна повторная проверка на конкретной платформе и в конкретной среде.