/ Модель

Характеристики

Лицензия
MIT
Опубликована
23 июл 2026

warmprior-dsrl

Обучение с подкреплением

Замороженные политики flow matching WarmPrior и статистики нормализации для экспериментов обучения роботов на задачах Robomimic.

0скачиваний за 30 дней2лайкавеса обновлены24 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

Репозиторий SinjaeKang содержит замороженные политики flow matching и статистики нормализации для экспериментов WarmPrior — метода обучения с подкреплением в пространстве априорного распределения. Разработчик связывает их со статьёй «WarmPrior: Straightening Flow-Matching Policies with Temporal Priors». Политики предназначены для задач Robomimic, включая square и transport; для каждой задачи доступны базовая политика и вариант WarmPrior, обученные на демонстрациях Robomimic PH в течение 3000 эпох.

Вариант WarmPrior предсказывает последовательность действий длиной 2H, исполняет первую половину и использует вторую как прогноз для центрирования априорного распределения на следующем шаге. В репозитории также находятся статистики нормализации наблюдений и действий, необходимые при выполнении. Файлы представлены в формате PyTorch. Лицензия — MIT. Это исследовательский набор политик и данных для экспериментов; README не описывает общие ограничения качества или переносимости.

Сценарии применения

  • выполнение действий в задаче Robomimic square
  • выполнение действий в задаче Robomimic transport
  • сравнение WarmPrior с базовой политикой flow matching
  • эксперименты с темпоральными априорными распределениями в робототехнике

Ограничения

Политики и статистики рассчитаны на соответствующие конфигурации Robomimic; README предупреждает, что семейства warm_ac и fm_mlp не взаимозаменяемы. Для запуска требуются статистики нормализации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WarmPrior | Prior-space RL Experiments

Frozen flow-matching policies and normalization statistics for the prior-space RL experiments of WarmPrior: Straightening Flow-Matching Policies with Temporal Priors (paper · code).

Each Robomimic task ships two backbones, which differ only in the source distribution they were trained under:

TaskBaseline (N(0, I))WarmPrioract_steps
squaresquare_pre_fm_mlp_ta4square_pre_fm_warm_ac_ta84
transporttransport_pre_fm_mlp_ta8transport_pre_fm_warm_ac_ta168

The WarmPrior backbone predicts a chunk of length 2H: it executes the first half and reserves the second half as the forecast that centers the source distribution at the next inference step. Its horizon_steps is therefore twice the baseline's, while act_steps is the same.

Both are trained for 3000 epochs with the flow-matching objective on the Robomimic PH demonstrations. normalization.npz holds the observation/action statistics and is required at runtime by every config.

Layout

robomimic/{lift,can,square,transport}/normalization.npz
robomimic-pretrain/{task}_pre_fm_mlp_*/…/checkpoint/state_3000.pt        # baseline
robomimic-pretrain/{task}_pre_fm_warm_ac_*/…/checkpoint/state_3000.pt    # WarmPrior

The paths mirror dppo/log/ in the code release, so the download can be copied straight into place.

Usage

hf download SinjaeKang/warmprior-dsrl --local-dir /tmp/wp_ckpt

cd warmprior-dsrl
mkdir -p dppo/log/robomimic-pretrain dppo/log/robomimic
cp -r /tmp/wp_ckpt/robomimic-pretrain/* dppo/log/robomimic-pretrain/
cp -r /tmp/wp_ckpt/robomimic/*          dppo/log/robomimic/

python train_dsrl.py --config-path=cfg/robomimic --config-name=dsrl_square_fm.yaml        # DSRL baseline
python train_dsrl.py --config-path=cfg/robomimic --config-name=dsrl_square_fm_wp_ac.yaml  # DSRL-WP

A _wp_ac config requires a warm_ac backbone and a baseline config requires an fm_mlp one; the two families are not interchangeable.

Citation

@inproceedings{kang2026warmprior,
  title     = {WarmPrior: Straightening Flow-Matching Policies with Temporal Priors},
  author    = {Kang, Sinjae and Kim, Chanyoung and Wang, Kaixin and Zhao, Li and Lee, Kimin},
  booktitle = {ICML Workshop on Structured Probabilistic Inference \& Generative Modeling},
  year      = {2026},
  eprint    = {2605.13959},
  archivePrefix = {arXiv},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
e9744a1

0 моделей