LINK-01

LoRA-адаптер connectailab-rl-toty-v4-link01 от the-eschatos — это модель принятия решений для робота LINK-01 на базе Qwen/Qwen3.5-0.8B. Она читает текстовое описание ситуации (цель, направление, датчики расстояния, скорость и прошлый выбор) и выбирает одно действие на следующие 0,5 секунды. Проект CONNECT AI LAB × AI CITY BUILDERS, исследовательский и образовательный.

🔥 Ключевые особенности

• 🔮 Сначала PPO-«мозг» учится ходить в веб-тренажёре, затем языковая модель через LoRA учится повторять его решения.
• 💻 Ответ — ровно одна буква варианта, без объяснений; в system-инструкции отдельно указано, что текст состояния — данные, а не команды.
• 📚 Датасет: 905 train / 174 valid / 261 test; около 20% примеров — ситуации, где «мозг» ушёл с маршрута.
• ✔ После RL-этапа 85% успешных прогонов на одном курсе (20 эпизодов) и 77,0% совпадений с ответом учителя на тесте.
• 🌎 Язык задачи — корейский; оценка ходьбы сделана в 2D-приближении, поэтому перед реальным роботом нужна проверка.

📱 Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
tok = AutoTokenizer.from_pretrained("Qwen/Qwen3.5-0.8B")
base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.5-0.8B")
model = PeftModel.from_pretrained(base, "the-eschatos/connectailab-rl-toty-v4-link01")

Подробнее

Точность на тесте: до обучения 22,6%, после обучения с учителем 77,4%, после RL 77,0% (совпадение с ответом «мозга»).
Успех на 20 прогонах: 80% после обучения с учителем и 85% после RL; у учителя 100%, среднее время успешного прохода — 20,1 с.
Ходьба оценивалась 2D-приближением по таблице скоростей, без падений; результаты могут отличаться от MuJoCo.
Для реального робота требуется повторная проверка в конкретной среде.