act_Final_Sim
политика для робототехники
1 мин чтенияобновлено
Модель представляет собой обученную политику (policy) для управления роботами, созданную с помощью библиотеки LeRobot. В основе лежит метод ACT (Action Chunking with Transformers — метод имитационного обучения, предсказывающий короткие пакеты действий вместо отдельных шагов). Модель обучена на демонстрационных данных телеоперации и обрабатывает визуальные наблюдения с камеры и состояние робота. Она подойдет исследователям и разработчикам в области робототехники для тестирования автономного управления.
Ключевые особенности
- Обучена с использованием библиотеки LeRobot
- Обрабатывает визуальные наблюдения с верхней камеры (overhead)
- Предназначена для роботов типа so_follower
- Обучена на датасете с 15 эпизодами и частотой 30 кадров в секунду
Что можно сделать
- Запустить политику на реальном роботе с помощью утилит LeRobot
- Обучить собственную политику на базе аналогичных датасетов
- Провести симуляцию и тестирование автономных действий робота
Пример
Запуск политики управления роботом в терминале:
lerobot-rollout \
--strategy.type=base \
--robot.type=so_follower \
--robot.port= \
--robot.cameras="{ : {type: opencv, index_or_path: , width: 640, height: 480, fps: 30}}" \
--policy.path=Screener2/act_Final_Sim \
--task="0" \
--duration=60Подробнее
Лицензия: apache-2.0Шаги обучения: 100 000
Размер батча: 8
Оптимизатор: adamw
Скорость обучения: 1e-05










Комментарии