watch-2026-posttrain-robot-icl
чекпоинты для обучения роботов в контексте на базе Cosmos-Predict2.5-2B
2 мин чтенияобновлено
Набор дообученных моделей для управления реальным роботом Sprout с помощью in-context learning (ICL — обучение прямо в контексте на примерах демонстраций без изменения весов). Модели решают задачи манипуляции объектами — перекладывание чашки в ящик (sprout_cup_to_drawer) и открытие ящика (sprout_open_drawer) — опираясь на визуальные демонстрации движений человека (human ghost demos). Чекпоинты основаны на модели мира Cosmos-Predict2.5-2B (2 миллиарда параметров) и промежуточном чекпоинте WATCH mid, а в репозитории собраны четыре варианта обучения с разной инициализацией и подачей контекста. Релиз пригодится исследователям в области робототехники (embodied AI) для воспроизведения экспериментов и оценки политик манипуляции.
Ключевые особенности
- Четыре конфигурации экспериментов: сравнение старта с базовой
Cosmos-Predict2.5-2Bи промежуточнойWATCH mid(egoverse_ret_v3_448_state_4node). - Два режима формирования контекста: подача демонстрации из текущего эпизода или подмешивание 30% примеров из других эпизодов (варианты
mix30). - Промежуточные чекпоинты: для каждого из четырёх прогонов сохранены веса на 2000, 3000 и 4000 итерациях (соответствует 21, 31 и 42 эпохам) в формате
.pt. - Полная воспроизводимость: вместе с весами выложены конфигурации
config.yaml, логи обучения с кривой loss и файл контрольных суммsha256.txt.
Что можно сделать
- Сравнить качество выполнения задач манипуляции на роботе Sprout при старте с чистой базовой модели
Cosmos-Predict2.5-2Bи с предобученнойWATCH mid. - Проверить, как подмешивание 30% чужих демонстраций в контекст (
sprout_icl_mix30) влияет на обобщающую способность робота на задачах с ящиками. - Проанализировать динамику переобучения на 2K, 3K и 4K шагах обучения, используя готовые конвертированные чекпоинты и логи.
Пример
В репозитории представлены четыре папки с чекпоинтами и конфигурациями для запуска в рамках фреймворка jeongeun980906/watch:
• sprout_icl/ — старт с WATCH mid, в контексте демонстрация текущего эпизода;
• sprout_icl_base/ — старт с Cosmos-Predict2.5-2B, демонстрация текущего эпизода;
• sprout_icl_mix30/ — старт с WATCH mid, 30% сэмплов в контексте из другого эпизода;
• sprout_icl_mix30_base/ — старт с Cosmos-Predict2.5-2B, 30% сэмплов из другого эпизода.
Подробнее
Данные: 40 эпизодов (6 158 окон) из датасетаJeongeun/sprout-real-3task с разметкой human_ghost/.Обучение: 4 000 итераций, global batch 64 (8 сэмплов на GPU), lr 1e-4 с прогревом 100 шагов и линейным затуханием до 0.5e-4.
Железо и скорость: каждый прогон выполнен на 1 узле с 8× A100 80GB со скоростью ~1.60–1.61 сек/итерацию (~2 часа на прогон).
Особенности: на итерации 2995 во всех четырёх прогонах зафиксирован единичный скачок loss до 0.18–0.21 с возвратом к ~0.02 к шагу 3000.










Комментарии