/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

real-marker-d2-r03-mulligan-dp

Языковая модельИзображение, текст → action

Diffusion-policy модель Mulligan для управления роботизированной рукой в задаче real-marker-d2.

115скачиваний 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

real-marker-d2-r03-mulligan-dp — модель управления роботом из проекта Mulligan, представленная как diffusion-policy actor в формате чекпойнта LeRobot. Она предназначена для задачи real-marker-d2 и обучена на телеметрических и DAgger-данных Mulligan; конфигурация включает параметры обрезки изображений с камер, целевое действие и систему координат. Для загрузки требуется код обучения Mulligan: стандартная конфигурация LeRobot DiffusionConfig не принимает дополнительные поля этой модели.

Модель выдаёт действия для роботизированной руки; в README приведены результаты оценки на 50 попытках: 21 успешная попытка для политики без дополнительного критика и 27 из 50 при использовании IDQL с 16 выборками. Файлы весов представлены в safetensors. Лицензия — MIT. Карточка не сообщает поддерживаемые языки; текстовый интерфейс не описан.

Сценарии применения

  • управление роботизированной рукой в задаче real-marker-d2
  • исполнение действий по входам с камер робота
  • оценка и сравнение роботизированных политик
  • дообучение или воспроизведение экспериментов Mulligan на указанных наборах данных

Ограничения

Для загрузки необходим код обучения Mulligan, поскольку штатный DiffusionConfig LeRobot не поддерживает дополнительные поля конфигурации. В приведённой оценке успешны 21 из 50 попыток для базовой политики и 27 из 50 при использовании IDQL с 16 выборками.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

real-marker-d2-r03-mulligan-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 roundR3
Armmulligan-dp
Training step100000

Checkpoints

FolderTraining run config
(root)release/run-configs/real-marker-d2-r03-mulligan-dp.json

Evaluations

DatasetSessionPolicyActorCriticNSuccesses
real-marker-d2-r03-evalb01mulligan_r03_dpreal-marker-d2-r03-mulligan-dp—121/50
real-marker-d2-r03-evalb01mulligan_r03_idql_n16real-marker-d2-r03-mulligan-dpreal-marker-d2-r03-mulligan-idql-critic1627/50

Data

Trained on: real-marker-d2-c00-teleop-sobol, real-marker-d2-c01-dagger-mulligan, real-marker-d2-c02-dagger-mulligan, real-marker-d2-c03-dagger-mulligan.

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

Referenced by the metadata of: real-marker-d2-c04-dagger-mixed, real-marker-d2-r03-eval, real-marker-d2-r03-eval-b01-mulligan-dp-policy-rollouts.

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
0f03dc1

0 моделей