black-stressball-policy

Политика имитационного обучения на основе ACT (Action Chunking with Transformers): вместо одиночных шагов модель предсказывает короткие чанки действий. Обучена и выгружена через LeRobot, около 0.05 млрд параметров, робот so_follower с одной камерой на гриппере.

✨ Ключевые особенности

• 🤖 Робот: so_follower, камера gripper_camera
• 👁 Вход: состояние (6,) и изображение (3, 480, 640); выход — вектор действия (6,)
• 🕹 Задача: «place the stressball into the bowl.»
• 📓 Датасет: 50 эпизодов, 33 244 кадра, 30 FPS
• ⚙️ Обучение: 100 000 шагов, batch size 8, AdamW, lr 1e-5, LeRobot 0.7.1
• 🕸 Запуск через lerobot-rollout, дообучение — lerobot-train

💻 Пример

lerobot-rollout --strategy.type=base \
  --robot.type=so_follower \
  --robot.port=<your_robot_port> \
  --robot.cameras="{ gripper_camera: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}}" \
  --policy.path=SergeAlhalbi/black-stressball-policy \
  --task="place the stressball into the bowl." \
  --duration=60

Подробнее

Результатов оценки на реальном роботе в карточке нет.
Данные: датасет SergeAlhalbi/black-stressball-tutorial_20261105_175124.
Имена камер в rollout должны совпадать с observation-ключами, на которых учили политику.
Без --duration политика будет работать бесконечно.