/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
lerobot
Опубликована
5 авг 2026

act_so101_8bin_wrist_front_chunk50

Языковая модельИзображение, текст → action

Политика ACT для манипулятора SO-101, обученная выполнять pick-and-place по изображениям двух камер и положениям суставов.

13скачиваний за 30 дней1лайквеса обновлены5 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель BrutalCaesar/act_so101_8bin_wrist_front_chunk50 — политика Action Chunking Transformer (ACT), обученная автором репозитория на демонстрациях для манипулятора SO-101. Она предназначена для управления роботом при выполнении задачи pick-and-place с восемью контейнерами. Политика принимает изображения с физической wrist-камеры и фронтальной камеры размером 480×640, а также шесть значений положения суставов; из-за переставленных ключей в данных изображение физической wrist-камеры необходимо передавать под ключом observation.images.top. Модель выдаёт последовательности действий для робота.

Обучение выполнено в LeRobot 0.6.0 на датасете BrutalCaesar/phi_so101_8bin_v1: 100 000 шагов, 89 эпизодов и шесть из восьми контейнеров. Два контейнера намеренно исключены из обучения для проверки обобщения, однако оценка на реальном оборудовании ещё не проводилась, поэтому успешность выполнения задачи не установлена. Для загрузки следует использовать ACTPolicy.from_pretrained, чтобы применились включённые в репозиторий процессоры нормализации. Модель распространяется по лицензии Apache-2.0. Область применения ограничена конфигурацией SO-101 и условиями сбора демонстраций.

Сценарии применения

  • перемещение предметов между контейнерами манипулятором SO-101
  • выполнение pick-and-place по демонстрациям оператора
  • проверка обобщения роботизированной политики на контейнеры, исключённые из обучения

Ограничения

Модель ещё не оценивалась на аппаратуре, поэтому показатель успешности задачи отсутствует. Она обучена в одном помещении при одном освещении, использует один кадр без данных о скорости и требует передавать физическую wrist-камеру под ключом observation.images.top и загружать процессоры LeRobot для корректных единиц действий.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ACT · SO-101 · 8-bin pick-and-place · wrist + front · chunk 50

Action Chunking Transformer trained with LeRobot 0.6.0 on BrutalCaesar/phi_so101_8bin_v1. Two cameras: wrist (gripper module) + front (desk-level, Logitech Brio 101).

One of six runs in a chunk-size × camera-pair sweep ({50, 75, 100} × {wrist+top, wrist+front}).

🚨 The camera keys are swapped — read this before inference

The dataset was recorded with the wrist and top camera keys transposed. This model therefore expects the physical wrist camera under the key observation.images.top:

Feed this physical cameraUnder this observation key
wrist (gripper module)observation.images.top
front (desk-level)observation.images.front

Wire the overhead camera to observation.images.top and the policy gets a close-up it has never seen in that slot. It will not error — it will just behave badly. The key name is wrong; the model is not.

Camera framing matters too: the mounts must sit where they sat during recording. A camera that drifted between recording and evaluation silently invalidates the policy.

Inputs / outputs

ShapeNotes
observation.images.top(3, 480, 640)physical wrist camera, no resize anywhere in the pipeline
observation.images.front(3, 480, 640)physical front camera
observation.state(6,)SO-101 joint positions
action(50, 6)chunk of 50 future actions, all executed (n_action_steps=50)

Normalization ships with the checkpoint as LeRobot 0.6.0 processor files (policy_preprocessor*, policy_postprocessor*) — not baked into the policy. Load through ACTPolicy.from_pretrained so they are picked up; hand-rolling a forward pass without them produces actions in the wrong units.

Training

Steps100,000 (= 800K samples, ≈14.6 epochs over 54,800 frames)
Batch size8
Final train loss0.055
OptimizerAdamW, lr 1e-5, backbone lr 1e-5, weight decay 1e-4
BackboneResNet-18, ImageNet-pretrained, not frozen
dim_model / chunk_size / kl_weight512 / 50 / 10.0
n_obs_steps1 (single frame, no history)
Seed1000
Hardware1× A100/H200, Northeastern Explorer cluster

Everything except chunk_size and the camera pair is LeRobot default, deliberately — the sweep is meant to be comparable across people training the same task on the same defaults.

Train / held-out split

Trained on 89 episodes covering 6 of the 8 bins. Left bin 3 and right bin 2 are held out entirely — no episode touching them appears in training. Those two bins are the generalization test; the other six measure fit.

Evaluation

Not yet evaluated on hardware. No success rate is reported here because none has been measured. The planned protocol is 20 scored rollouts per bin, reported per bin and never averaged — an average over 8 bins hides exactly the failure this split is designed to expose.

Train loss of 0.055 says the model fits the demonstrations. It says nothing about whether it completes the task.

Usage

from lerobot.policies.act.modeling_act import ACTPolicy

policy = ACTPolicy.from_pretrained("BrutalCaesar/act_so101_8bin_wrist_front_chunk50")

Or point a LeRobot eval script at it with --policy.path=BrutalCaesar/act_so101_8bin_wrist_front_chunk50, remembering the camera-key mapping above when you write --robot.cameras.

Known limitations

  • Single observation frame, so no velocity information; the policy infers motion from wrist-view context alone.
  • The CVAE latent is effectively collapsed at kl_weight=10.0 on this dataset (KL ≈ 0 throughout training), so this behaves close to a deterministic chunk regressor. Not a defect — expected for ACT — but do not read the latent as a source of behavioral diversity.
  • Trained on one lighting setup in one room. No domain randomization beyond LeRobot's default image augmentation.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
bf22f0b

0 моделей