Характеристики

Опубликована: 20 июл 2026

Ссылки

Hugging Face

every-embodied-act-mujoco-pnp

Datawhale

Языковая модельИзображение, текст → action

Контрольная точка ACT от Datawhale для обучения и диагностики управления роботом при pick-and-place в MuJoCo.

0скачиваний за 30 дней0лайковвеса обновлены20 июл 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

Это контрольная точка ACT для робототехнического сценария pick-and-place в симуляторе MuJoCo, опубликованная Datawhale для учебного руководства по Every Embodied на AMD ROCm. Модель предназначена для управления роботом по действиям, а не для генерации текста: она выдаёт 16-мерные действия, обучена с размером чанка 20 и использует 10 шагов действия. В README указаны выравнивание данных по сбросам, состояние с временной меткой и начальным положением объекта, продолжение обучения с низкой скоростью и данные для восстановления.

В строгой физической оценке получено 15 успешных эпизодов из 30; в трёх группах фиксированных начальных значений — 3/10, 4/10 и 8/10. Это учебная и диагностическая контрольная точка, и её результат не подтверждает воспроизведение ранее заявленного результата 17/30. Оценка получена с AMD395 wrapper continuation; для подтверждения результата именно штатного обучения в Notebook авторы рекомендуют запустить соответствующий рецепт в среде с поддержкой Jupyter. Репозиторий содержит веса и конфигурацию, но не исходные наборы данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

проверка управления роботом при захвате и перемещении объекта в MuJoCo
оценка успешности ACT на фиксированных начальных состояниях
изучение обучения политик манипуляции роботом на AMD ROCm

Ограничения

В строгой физической оценке успешны 15 из 30 эпизодов; заявленный ранее результат 17/30 не воспроизведён. Весам нужны исходные данные для обучения отсутствуют в репозитории, а оценка AMD395 wrapper continuation не подтверждена как результат штатного запуска Notebook.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Every Embodied ACT Protected Diagnostic Checkpoint

This is the current ACT protection candidate for the Datawhale Every Embodied AMD ROCm tutorial.

Verified result

Strict physical success: 15/30
Three fixed seed groups of 10: 3/10 + 4/10 + 8/10
Action dimension: 16-D
Recipe: reset-aligned data, timestamp/object-init state, chunk size 20, 10 action steps, low-learning-rate continuation, and weighted recovery data
Model SHA256: b9b178377995a674a06bc5d1500c8e7e7fc5d02649268855f892b3987bf5bfeb4

This is a teaching and diagnosis checkpoint, not a claim that the historical 17/30 summary has been fully reproduced. The current score came from an AMD395 wrapper continuation; the matching native training recipe is included in the tutorial Notebook and should be run in a Jupyter-capable environment before calling it a Notebook-native score.

Tutorial

See the Every Embodied AMD ROCm topic and 16_act_end_to_end.ipynb.

The weights/ directory contains the ACT model and configuration. Evaluation metadata and the recipe are kept in evaluation/. Raw datasets are intentionally omitted.

License and attribution

Please follow the licenses of ACT, the base implementation, and the Every Embodied project. This model card describes a reproducible tutorial artifact, not a new policy architecture.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов: 8ac75c8