Характеристики

Лицензия: Apache 2.0
Библиотека: lerobot
Опубликована: 18 июн 2026

Ссылки

Hugging Face

eqm-pusht-seed3-half

iFaz

Языковая модельИзображение, текст → action3 профессии

Политика EQM, обученная на lerobot/pusht для управления роботом в симуляции PushT-v0.

52скачиваний за 30 дней0лайковвеса обновлены28 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

EQM Policy eqmpushtseed3 — политика управления роботом, обученная с помощью LeRobot на наборе данных lerobot/pusht. Она предназначена для выполнения задачи PushT-v0 в симуляторе MuJoCo и использует политику типа EQM с dot-параметризацией энергетической функции. В репозитории сохранены веса safetensors; лицензия — Apache-2.0.

В опубликованной оценке на 16 эпизодах успешность составила 0,0%, а средняя суммарная награда — 33,19, поэтому результаты не подтверждают пригодность этой версии для успешного выполнения задачи. Карточка не описывает входы политики, размер модели или поддерживаемые естественные языки; тег en относится к метаданным, но сам по себе не подтверждает языковую поддержку.

Сценарии применения

эксперименты с имитационным обучением в PushT
оценка политики управления на задаче PushT-v0
воспроизведение результатов модели в MuJoCo

Ограничения

В оценке на 16 эпизодах успешность равна 0,0%, что указывает на отсутствие успешных прохождений в этой проверке. Карточка не сообщает размер модели и формат входов и выходов политики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EQM Policy — eqm_pusht_seed3

Trained with LeRobot.
Date: 2026-09-28 04:21
Policy type: eqm | Device: cuda

📦 Dataset

Parameter	Value
`dataset.repo_id`	`lerobot/pusht`

🏋️ Training Config

Parameter	Value
`steps`	`5000`
`batch_size`	`8`
`eval_freq`	`0`
`save_freq`	`1000`
`num_workers`	`4`
`seed`	`3`
`eval.n_episodes`	`1`
`eval.batch_size`	`1`
`eval.use_async_envs`	`True`

📐 Policy Architecture

Parameter	Value
`ebm`	`dot`

🎯 Eval Config

Parameter	Value
`env.type`	`pusht`
`env.task`	`PushT-v0`
`eval.n_episodes`	`16`
`eval.batch_size`	`8`
`eval.use_async_envs`	`False`
`policy.path`	`/kaggle/working/outputs/train/pusht_seed3/checkpoints/last/pretrained_model`
`policy.ood_logging_enabled`	`True`
`policy.ood_calibration_stats_path`	`/kaggle/working/eqm_calibration.json`
`policy.ood_log_path`	`/kaggle/working/outputs/eqm_ood_log.csv`
`policy.ood_z_threshold`	`3.0`

📊 Eval Results

Metric	Value
Episodes	`16`
Success rate	`0.0%`
Avg sum reward	`33.19`
Avg max reward	`0.34`
Eval time (s)	`62.2`

Citation

@misc{cadene2024lerobot,
  author = {Cadene, Remi and Alibert, Simon and others},
  title  = {LeRobot},
  year   = {2024},
  url    = {https://github.com/huggingface/lerobot}
}

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: 3e5dc6c