В репозитории jacob3333/rlinf-libero-chunk8-cnn-bc размещены два предварительно обученных сверточных CNN-политических чекпойнта PyTorch для управления роботом в задаче LIBERO-spatial task 1. Политики обучены методом клонирования поведения на траекториях π0; каждая принимает только изображения и предсказывает последовательность из восьми действий за один шаг планирования. Для головы действий указано стандартное отклонение 0,10.

Чекпойнт с четырьмя демонстрациями предназначен для экспериментов со слабой исходной политикой, а более сильный — для запуска PPO с WAN-моделью мира и оценкой согласованности JEPA. Это специализированные политики для робототехнических экспериментов в RLinf, а не универсальные языковые модели. Файлы представлены как PyTorch state_dict и загружаются в RLinf cnn_policy. Лицензия репозитория — MIT.