MolmoAct2 YAM 3-task (scene)
политика для трёх робозадач по одной камере
2 мин чтенияобновлено
Это LoRA-файнтюн (надстройка над базовой VLM-политикой) allenai/MolmoAct2-BimanualYAM для бимануального робота YAM. На вход модель получает RGB с камеры сцены, состояние 14 суставов и захватов и текстовый промпт; на выход — 30 абсолютных суставных целей с захватами на 30 Гц, то есть секундный кусок движения. Промпт выбирает одну из трёх задач: сдвинуть коробку и снять крышку, взять зелёную чашку и поставить на жёлтую тарелку или сдвинуть жёлтую тарелку в центр. Обучение шло на 96 эпизодах и 55 950 кадрах, запястные камеры не используются. Пригодится для воспроизведения и дообучения политик LeRobot на YAM.
Ключевые особенности
- LoRA-файнтюн VLM и обученная flow head: 5 000 шагов, batch 32, 4×A100.
- На входе только камера сцены (
observation.images.top); запястные камеры обнулены и маскированы. - Выход — 30 шагов по 14 абсолютных суставных целей с захватами на 30 Гц.
- В репозитории есть HTTP-сервер политики, скрипты слияния датасетов, конвертации и запуска обучения.
- Веса перезалиты с исправленными normalizer stats; старые версии из истории использовать нельзя.
Что можно сделать
- Поднять
policy_server.pyи прогнать три задачи на бимануальном YAM через HTTP. - Сравнить файнтюн с
yam3-molmoact2-base-zeroshotна одинаковых промптах. - Взять промежуточные чекпоинты step_1000–step_4000 и посмотреть, как меняется поведение.
- Дообучить политику на своих эпизодах LeRobot, сохранив формат входа и выхода.
Пример
from lerobot.policies.molmoact2.modeling_molmoact2 import MolmoAct2Policy
from lerobot.policies.factory import make_pre_post_processors
pol = MolmoAct2Policy.from_pretrained("pretrained_model").to("cuda").eval()
pre, post = make_pre_post_processors(pol.config, pretrained_path="pretrained_model")
batch = pre({"observation.images.top": img_float_1x3xHxW, "observation.state": state_1x14, "task": [prompt]})
actions = post(pol.predict_action_chunk(batch, inference_action_mode="continuous")) # (1, 30, 14)
Подробнее
96 эпизодов / 55 950 кадров, 3 задачи; held-out эпизоды 0053–0055, 0027–0029 и 0020/0026/0030 не участвовали в обучении.Чекпоинт step 5000; промежуточные — step_1000…step_4000 без optimizer state.
Held-out offline-проверка ещё не запускалась.
Исправлены глобальные q01/q99 вместо усреднённых по эпизодам; старые веса не использовать.










Комментарии