/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
lerobot
Опубликована
24 июл 2026

hilserl-panda-pickcube-sac

Обучение с подкреплением

Политика HIL-SERL на базе SAC и RLPD управляет Franka Panda при захвате кубика в симуляции MuJoCo по изображениям камер и состоянию робота.

14скачиваний за 30 дней0лайковвеса 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

Это обученная Vizuara политика управления роботом Franka Panda для задачи захвата кубика в симуляции MuJoCo PandaPickCube. Модель создана с помощью HIL-SERL на основе SAC и RLPD и распространяется в формате safetensors через LeRobot; лицензия — Apache-2.0.

Политика принимает изображения с фронтальной и кистевой камер разрешением 128×128 вместе с 18-мерным проприоцептивным состоянием. Она выдаёт трёхмерное приращение положения эффектора и дискретную команду захвата. Обучение использовало смешивание онлайн- и офлайн-данных в пропорции 50/50, а награду в симуляции предоставляла среда MuJoCo без вмешательства человека или классификатора награды.

Модель предназначена для оценки и экспериментов с манипуляцией Franka Panda в указанной симуляционной задаче. Описание связывает используемый стек с обучением реального манипулятора SO-101, но не утверждает, что этот чекпойнт непосредственно управляет им. Результат зависит от совместимости симулятора, наблюдений и пространства действий; сведения о переносе политики на реального робота не приведены.

Сценарии применения

  • захват кубика манипулятором Franka Panda в MuJoCo
  • оценка политики роботизированной манипуляции в PandaPickCube
  • эксперименты с обучением управления роботом методами SAC и RLPD

Ограничения

Политика описана для конкретной симуляционной среды PandaPickCube и соответствующего пространства наблюдений и действий. Перенос на реального робота не подтверждён.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HIL-SERL (SAC + RLPD) — Franka Panda PickCube

A vision-based manipulation policy trained with HIL-SERL (SAC + RLPD) in the LeRobot gym-hil simulation (PandaPickCube), fully autonomously on a single GPU — the MuJoCo environment supplies the reward, so no human intervention or reward classifier is needed in sim.

Built for Session 3 (Robotics) of the Vizuara RL in Production workshop — the same stack trains a real SO-101 arm from scratch.

  • Observation: front + wrist cameras (128×128) + 18-D proprioceptive state
  • Action: 3-D end-effector delta + discrete gripper
  • Algorithm: SAC, RLPD 50/50 online/offline mixing, LayerNorm critics
  • Demos (offline seed): lilkm/pick_cube_franka_panda_30

Load & evaluate

import torch, draccus
from huggingface_hub import snapshot_download
from lerobot.rl.train_rl import TrainRLServerPipelineConfig
from lerobot.rl import gym_manipulator as gm
from lerobot.processor import TransitionKey
from lerobot.policies.gaussian_actor.modeling_gaussian_actor import GaussianActorPolicy

local = snapshot_download("dizzlerama/hilserl-panda-pickcube-sac")
cfg = draccus.parse(TrainRLServerPipelineConfig, args=["--config_path", f"{local}/train_config.json"])
cfg.env.task = "PandaPickCube-v0"
policy = GaussianActorPolicy.from_pretrained(local).to("cuda").eval()
env, teleop = gm.make_robot_env(cfg.env)
env_p, act_p = gm.make_processors(env, teleop, cfg.env, "cuda")
# roll out with policy.select_action(...) — see the workshop notebook.

Reading: HIL-SERL (arXiv:2410.21845) · RLPD (arXiv:2302.02948) · LeRobot HIL-SERL docs

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
2d402e8

0 моделей