bridgequant-so101-76m-h50

BridgeQuant 76M от twanghcmut — политика для робота SO101, обученная с action_horizon: 50 вместо 16, 60k шагов. Тот же рецепт, что у bridgequant-so101-76m. Задача — открыть ящик, взять красный куб и поставить его на синий.

⚙ Ключевые особенности

• 🦾 76M параметров; запускать с n_action_steps >= 25.
• 🎯 Длинный чанк захватывает финальное раскрытие гриппера: в 100% train-эпизодов против ~90% у 16-step.
• 🧩 На held-out раскрытие до релиза появилось в 2 из 5 эпизодов; у 16-step — в 0–1 из 5.
• 📀 Чекпоинт из hold-out split: не обучались последние 5 эпизодов каждого из 3 датасетов (154 из 159).
• ⚡ Held-out chunk MAE не ухудшился: 2.66 против 2.55.

🔎 Пример

hf download twanghcmut/bridgequant-so101-76m-h50 --local-dir checkpoints/so101-76m-h50

uv run python scripts/so101_policy.py \
    --config checkpoints/so101-76m-h50/train_config.yaml --checkpoint checkpoints/so101-76m-h50 \
    --n-action-steps 25 --self-test \
    --dataset examples/SO101/open_drawer_pick_red_cube_stack_on_blue_cube --n-frames 40

Подробнее

Ожидаемый self-test: MAE chunk ~2.2, MAE 8 executed ~1.3, gripper ~1.0 (единицы датасета).
При 8 шагах раскрытие гриппера (шаги 14–39 чанка) теряется — нужен длинный чанк.
В карточке: model.safetensors, norm_stats.json, bridgequant_vla.yaml/config.json/metadata.json, train_config.yaml; пути в train_config нужны только для обучения.