/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
lerobot
Опубликована
1 июл 2026

act-tshirt-folding-lerobot

Языковая модельИзображение, текст → action3 профессии

Политика ACT на основе зрения управляет двуручным роботом Trossen AI для складывания футболок.

9скачиваний за 30 дней0лайковвеса обновлены1 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 обученная с нуля политика ACT (Action Chunking Transformer) для складывания футболки двумя руками на стационарной платформе Trossen AI WidowX. Модель разработана сообществом Trossen Robotics и обучена в LeRobot на наборе данных TrossenRoboticsCommunity/mobile-baseoff-tshirt-folding-lerobot-v1; указана полная настройка без LoRA и адаптеров. Архитектура сочетает визуальную основу ResNet18, энкодер и декодер Transformer и CVAE.

На вход подаются состояние робота размерностью 14 и изображения с трёх камер: верхней и двух камер на запястьях, размером 480×640. На выходе — 14-мерное действие для двуручной платформы. Финальный чекпойнт после 100 000 шагов обучения показал 6 успешных складываний из 10 при офлайн-оценке на роботе. Модель предназначена для конкретной конфигурации робота и задачи; результат оценки указывает на неполную надёжность. Репозиторий содержит веса Safetensors и конфигурации LeRobot и распространяется по лицензии Apache-2.0.

Сценарии применения

  • складывание футболки двуручным роботом
  • управление руками WidowX AI по изображениям с камер
  • воспроизведение политики ACT в LeRobot
  • эксперименты с манипуляцией текстилем на стационарной роботизированной платформе

Ограничения

Политика обучена для конкретной стационарной двуручной конфигурации и задачи; успешность в приведённой оценке составила 6 из 10 попыток. Перенос на другие роботы, объекты или условия не подтверждён.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

act-tshirt-folding-lerobot

ACT (Action Chunking Transformer) policy for bimanual t-shirt folding on the Trossen AI stationary (WidowX AI) platform. Trained with lerobot. This Run Record documents the step-100000 (final) checkpoint.

Demo — on-robot eval

Prompt: Fold the tshirt

Offline on-robot evaluation of this checkpoint (step-100000) on the Trossen AI stationary bimanual platform — t-shirt folding.

TL;DR

  • Policy: ACT (Action Chunking Transformer) — ResNet18 vision backbone + transformer encoder/decoder with CVAE.
  • Framework: lerobot-latest (--policy.type=act).
  • Method: Full fine-tune (no LoRA/adapters) from scratch on the target dataset.
  • Robot: Trossen AI stationary bimanual, 14-DoF, 3 cameras, 30 fps.
  • Checkpoint: step 100000.

Setup / rig configuration

Recorded on the Trossen AI Mobile kit with the mobile base disabled — arms mounted in a fixed, stationary configuration (functionally equivalent to the stationary kit for this task).

DimensionValue
Arm base height off ground39.5 in
Arm base-to-base spacing95 in
Arm horizontal offset from table edge8.25 in

Model configuration (config.json)

FieldValue
typeact
input_featuresobservation.state (14); images cam_high, cam_left_wrist, cam_right_wrist (3×480×640)
output_featuresaction (14)
chunk_size / n_action_steps100 / 100
n_obs_steps1
normalizationSTATE=MEAN_STD, ACTION=MEAN_STD, VISUAL=MEAN_STD
vision_backboneresnet18 (ResNet18_Weights.IMAGENET1K_V1)
dim_model512
n_heads8
dim_feedforward3200
n_encoder_layers / n_decoder_layers4 / 1
use_vaetrue
latent_dim32
n_vae_encoder_layers4
dropout0.1
kl_weight10.0

Training hyperparameters

FieldValue
optimizerAdamW
learning rate1e-05
lr_backbone1e-05
betas(0.9, 0.999)
eps1e-08
weight_decay0.0001
grad_clip_norm10.0
batch_size8
total steps100,000
save_freq5,000

Inputs (reproducibility manifest)

Outputs

  • Weights: model.safetensors (full fine-tune, no separate adapter).
  • Config: config.json, train_config.json.
  • Processors: policy_preprocessor.json (+ normalizer state), policy_postprocessor.json (+ unnormalizer state).

Evaluation (offline policy eval)

Verified to load and run directly via lerobot-record with --policy.path (no async policy server required for ACT). Run from the lerobot_trossen workspace:

uv run lerobot-record \
    --robot.type=bi_widowxai_follower_robot \
    --robot.left_arm_ip_address=192.168.1.4 \
    --robot.right_arm_ip_address=192.168.1.5 \
    --robot.id=bimanual_follower \
    --robot.cameras='{
        cam_high: {type: intelrealsense, serial_number_or_name: "230322276010", width: 640, height: 480, fps: 30},
        cam_left_wrist: {type: intelrealsense, serial_number_or_name: "230322271348", width: 640, height: 480, fps: 30},
        cam_right_wrist: {type: intelrealsense, serial_number_or_name: "128422270115", width: 640, height: 480, fps: 30}
        }' \
    --display_data=false \
    --dataset.repo_id=hamza-trossen/eval_act_tshirt_folding \
    --dataset.push_to_hub=false \
    --dataset.num_episodes=20 \
    --dataset.episode_time_s=105 \
    --dataset.reset_time_s=25 \
    --dataset.single_task="Fold the tshirt" \
    --policy.path=TrossenRoboticsCommunity/act-tshirt-folding-lerobot \
    --robot.min_time_to_move_multiplier=8.0

The task prompt used during recording and eval was "Fold the tshirt".

Eval Results

Eval TaskRepsSuccessNotes
tshirt-folding106/10 (60%)Policy confirmed working on hardware; min_time_to_move_multiplier=8.0 config performed best for ACT on this task

Links

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
a71a401

0 моделей