/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

real-marker-d2-r02-mulligan-no-cf-dp

Языковая модельИзображение, текст → action

Актор diffusion policy проекта Mulligan для выполнения роботизированной задачи real-marker-d2.

103скачиваний за 30 дней0лайковвеса обновлены5 окт 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 real-marker-d2-r02-mulligan-no-cf-dp — актор для управления роботом, разработанный в рамках проекта Mulligan. Она предназначена для выполнения задачи real-marker-d2; опубликованный чекпойнт обучен на демонстрациях телеоператора и данных DAgger. В README указана оценка на 50 испытаниях: 24 успешных выполнения.

Модель использует diffusion-policy actor и формат чекпойнта LeRobot с конфигурацией, весами Safetensors и нормализаторами пред- и постобработки. Конфигурация содержит дополнительные поля Mulligan, поэтому стандартный DiffusionConfig из LeRobot её не загружает; требуется обучающий код Mulligan. Лицензия — MIT.

Сценарии применения

  • управление роботом при выполнении задачи real-marker-d2
  • воспроизведение и оценка роботизированной политики на стенде Mulligan
  • дообучение политики на демонстрациях телеоператора и данных DAgger

Ограничения

Для загрузки требуется обучающий код Mulligan, поскольку стандартная конфигурация LeRobot не поддерживает дополнительные поля чекпойнта. В указанной оценке политика достигла 24 успехов из 50 испытаний.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

real-marker-d2-r02-mulligan-no-cf-dp

Part of Mulligan. Browse evaluations at Policy Arena; the datasets are in the mulligan organization.

Diffusion-policy actor in LeRobot's checkpoint layout (config.json, model.safetensors, pre/post-processor normalizers). The config also carries Mulligan fields (camera crop boxes, action target and frame) that stock LeRobot DiffusionConfig rejects; loading needs the Mulligan training code.

PropertyValue
Taskreal-marker-d2
Model roundR2
Armmulligan-no-cf-dp
Training step100000

Checkpoints

FolderTraining run config
(root)release/run-configs/real-marker-d2-r02-mulligan-no-cf-dp.json

Evaluations

DatasetSessionPolicyActorCriticNSuccesses
real-marker-d2-r02-evalb02mulligan_no_cf_r02_dpreal-marker-d2-r02-mulligan-no-cf-dp—124/50

Data

Trained on: real-marker-d2-c00-teleop-sobol, real-marker-d2-c01-dagger-mulligan, real-marker-d2-c02-dagger-mulligan-no-cf.

Validation-only datasets: real-marker-d2-c00-teleop-validation.

Referenced by the metadata of: real-marker-d2-r02-eval.

Provenance

SHA-256 of every file is recorded in release.json. .pt files are PyTorch pickles; load them only in a trusted environment. The run configs are in the Mulligan code repository; the recipes there retrain each checkpoint. License: mit.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
ecc827f

0 моделей