/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

real-marker-d2-r04-mulligan-dp

Языковая модельИзображение, текст → action3 профессии

Актор diffusion policy из проекта Mulligan для управления роботом в задаче real-marker-d2.

143скачиваний 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-r04-mulligan-dp — модель управления роботом из проекта Mulligan, выпущенная в раунде R4 для задачи real-marker-d2. Это актор на основе diffusion policy в формате контрольной точки LeRobot: используются конфигурация, веса safetensors и нормализаторы пред- и постобработки. Конфигурация содержит дополнительные поля Mulligan, включая области кадрирования камер и параметры целевых действий, поэтому для загрузки требуется обучающий код Mulligan; стандартная конфигурация LeRobot DiffusionConfig её не принимает.

Модель обучена на телеоперационных данных и демонстрациях, собранных методом DAgger. В опубликованной оценке политика достигла 30 успешных выполнений из 50. Модель предназначена для выполнения действий в задаче real-marker-d2; README не раскрывает точную схему входов и выходов, поэтому дополнительные модальности не указаны. Лицензия — MIT.

Сценарии применения

  • выполнение роботизированной задачи real-marker-d2
  • управление манипулятором по обученной политике
  • оценка политики на роботизированных эпизодах

Ограничения

Для загрузки требуется обучающий код Mulligan из-за дополнительных полей конфигурации, не поддерживаемых стандартным DiffusionConfig LeRobot. В указанной оценке зафиксировано 30 успешных выполнений из 50.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

real-marker-d2-r04-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 roundR4
Armmulligan-dp
Training step100000

Checkpoints

FolderTraining run config
(root)release/run-configs/real-marker-d2-r04-mulligan-dp.json

Evaluations

DatasetSessionPolicyActorCriticNSuccesses
real-marker-d2-r04-evalb01mulligan_r04_dpreal-marker-d2-r04-mulligan-dp—130/50
real-marker-d2-r04-evalb01mulligan_r04_idql_n16real-marker-d2-r04-mulligan-dpreal-marker-d2-r04-mulligan-idql-critic1629/50

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, real-marker-d2-c04-dagger-mulligan.

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

Referenced by the metadata of: real-marker-d2-c05-dagger-mixed, real-marker-d2-r04-eval, real-marker-d2-r04-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
86e4acd

0 моделей