/ Модель

Характеристики

Лицензия
MIT
Библиотека
onnx
Опубликована
6 сен 2026

strands-arm-frame_mobile-2026-09-06

Обучение с подкреплением3 профессии

Политика PPO в формате ONNX управляет шестью сервоприводами SO-101, чтобы удерживать обнаруженный объект в кадре при движении мобильной базы.

12скачиваний за 30 дней0лайковвеса обновлены6 сен 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 разработана cagataydev для управления шестью сервоприводами манипулятора SO-101, чтобы удерживать объект в поле зрения камеры, пока мобильная база движется. Она принимает данные Nicla Vision: центр и размер рамки FOMO, признак видимости, показания ToF, текущие положения сервоприводов, последнюю команду, параметры желаемого кадрирования и скорость базы; выдаёт приращения углов сервоприводов с шагом 0,1 секунды, ограниченные диапазоном ±5°.

Политика обучена методом PPO в симуляции MuJoCo с моделью сервоприводов STS3215, ограничениями движения, задержкой детектора, шумом пикселей, случайными параметрами поля зрения и препятствиями. В описанной оценке она чаще удерживала объект видимым, чем базовое управление только головой, но доля эпизодов с точным кадрированием составила 0,08. Модель экспортирована в ONNX и распространяется по лицензии MIT. README прямо предписывает пока не запускать её на реальном манипуляторе; описан только режим теневого наблюдения без записи команд.

Сценарии применения

  • удержание обнаруженного человека или объекта в поле зрения камеры манипулятора
  • управление сервоприводами SO-101 по рамке детектора и показаниям ToF
  • оценка политики слежения в симуляции MuJoCo
  • теневое наблюдение за управлением манипулятором без отправки команд приводам

Ограничения

По README модель пока нельзя запускать на реальном манипуляторе; для реального робота описан только теневой режим без записи команд. В приведённой оценке точное кадрирование достигалось в 8% эпизодов.

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

strands-arm frame_mobile: the whole leader arm keeps a subject framed while riding the omni base

Six servo deltas per 0.1 s (ids 1..6, clipped +-5 deg) from what the Nicla reports (FOMO box centre, size, visible, ToF), the six servo readings, the last command and a shot spec (where in the frame, how big), plus the commanded base velocity (vx, vy, wz). Trained with PPO in a MuJoCo twin of this arm (SO-101 leader + printed head, lens as a camera at the firmware FOV, identified STS3215 servo model, calibrated limits) with occlusion rays, one-frame detector delay, pixel noise and randomized FOV, and a base random-walking inside the drive guard caps. Baseline: the head-only P step watch uses today, arm frozen at the fold.

frame_mobile

Top: head-only P. Bottom: this policy, same subject. Left = the Nicla's view (green = shot spec, yellow = detection), right = third person. MP4.

Eval (rl/eval_frame.py, 4 seeds x 64 envs x 15 s, 256 episodes)

controllervisibleframedcentre errsize errcontacts/steptravel deg/step
zero action0.210.000.9500.2030.0200.10
head-only P (watch.py)0.290.000.7290.1990.7111.75
this policy0.680.080.3240.1860.1198.70
this policy, arm frozen0.440.010.5190.2002.6111.93

PASS: keeps the subject visible more often than the head-only P step. framed = centre error < 0.15 and size error < 0.1. The arm-frozen row is the same network with servos 1..4 held: the difference is what the arm buys.

Contract

Input obs [1, 33] float32, output act [1, 6] float32 = servo deg per 0.1 s step, ids 1..6.

iobs
0s1_n
1s2_n
2s3_n
3s4_n
4s5_n
5s6_n
6g1_n
7g2_n
8g3_n
9g4_n
10g5_n
11g6_n
12ex
13ey
14size
15vis
16last_ex
17last_ey
18last_size
19age_n
20ex_star
21ey_star
22size_star
23tof_n
24a1_prev
25a2_prev
26a3_prev
27a4_prev
28a5_prev
29a6_prev
30base_vx_n
31base_vy_n
32base_wz_n

Runner: strands_arm.policy.FramePolicy (image ey flipped to the sim's up-positive frame, size = box height / half frame, ToF mm -> m, targets clamped through kine.clamp_pose). Never run on the real arm yet; shadow mode (real pose, detections and ToF, nothing written) is logged in the repo's RL.md. Source: github.com/cagataycali/strands-arm e261569, rl/envs/frame_env.py, rl/sim/. PPO: {"n_envs": 128, "steps_per_env": 50, "epochs": 4, "minibatches": 8, "lr": 0.0003, "gamma": 0.98, "lam": 0.95, "clip": 0.2, "ent_coef": 0.002, "vf_coef": 0.5, "max_grad_norm": 0.5, "hidden": 128, "act_scale": 5.0, "act_dim": 6, "total_updates": 2500, "device": "cpu", "seed": 0} Env overrides: {"w_act": 0.1, "w_jerk": 0.1}

Как запустить

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

GPU в ailist

Универсальный рантайм · onnx

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
b0308c0

0 моделей