/ Модель

Характеристики

Лицензия
MIT
Библиотека
lerobot
Опубликована
6 июл 2026

diffusion-pusht-sample-efficient

Генерация изображенийИзображение, текст → action

Набор чекпойнтов Diffusion Policy для управления объектом в симуляторе PushT и изучения эффективности обучения по демонстрациям.

0скачиваний за 30 дней0лайковвеса обновлены6 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 содержит четыре чекпойнта Diffusion Policy для задачи PushT в симуляторе gym-pusht. Их подготовил автор enyolanev-bit для исследования эффективности имитационного обучения при ограниченном числе демонстраций; чекпойнты обучены в LeRobot и включают веса, конфигурацию и средства пред- и постобработки. Политика получает изображение и состояние среды и предсказывает действия для управления объектом при выполнении задачи PushT.

Сравниваются стандартная настройка LeRobot и усиленная регуляризация с weight decay и аугментацией изображений. За 150 тысяч шагов обучения улучшенная настройка показала успех 19% на 100 демонстрациях против 8% у стандартной; на 200 демонстрациях обе достигли 29%. Результаты предварительные: использован один seed, а показатели ниже опубликованного ориентира около 65%; автор связывает часть разрыва с меньшим размером батча. Модель распространяется под лицензией MIT.

Сценарии применения

  • обучение робота толканию объекта в симуляторе PushT
  • сравнение стратегий регуляризации для имитационного обучения
  • оценка эффективности политики при малом числе демонстраций

Ограничения

Результаты получены на одном seed и являются предварительными; успешность ниже опубликованного ориентира, а автор указывает на размер батча как возможную причину разрыва. Модель предназначена для симуляционной задачи PushT, а не заявлена как универсальная политика управления.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Diffusion Policy · PushT · sample-efficiency study

Four Diffusion Policy checkpoints for the PushT manipulation task (LeRobot / gym-pusht), from a controlled study: under a small budget of demonstrations, does aggressive regularization buy sample-efficiency for imitation-learning policies?

Trained & evaluated on AMD ROCm (Radeon AI PRO R9700, gfx1201).

Checkpoints

Each folder holds the final 150k-step policy (model.safetensors + config + pre/post-processors), loadable with LeRobot.

FolderRecipeDemosSuccess (pc_success, 100 eval eps)
standard-200demosstandard20029%
enhanced-200demosenhanced20029%
standard-100demosstandard1008%
enhanced-100demosenhanced10019%
  • standard = LeRobot defaults.
  • enhanced = aggressive regularization: weight decay 1e-3 + image-transform data augmentation.

Result

DemosStandardEnhancedΔ
200 (data-rich)29%29%0 pts
100 (data-scarce)8%19%+11 pts

Preliminary evidence suggests that, under a 100-demo budget, enhanced regularization improves PushT success from 8% to 19% (+11 pts), while showing no gain at 200 demos (29% = 29%). This is consistent with regularization helping most when demonstrations are scarce (inspired by Konwoo et al. on data-constrained pre-training). Single seed — a strong signal, not yet a settled claim.

Training

  • Policy: Diffusion Policy · Task: PushT (sim)
  • 150,000 steps, seed 0, eval on 100 episodes
  • Hardware: AMD Radeon AI PRO R9700 (ROCm), ~11 steps/s
  • results/ contains the raw eval CSVs (sweep_b*.csv).

Limitations

  • Single seed (0) — deltas are a signal, not yet a claim; multiple seeds + error bars pending.
  • Baseline below the published reference (~65%) — the remaining gap is batch size (8 vs ~64); addressable with gradient accumulation.
  • Preliminary: enough to show the effect, not yet to publish.

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
0267d2b

0 моделей