/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

real-routing-d2-r04-baseline-dp

Языковая модельИзображение, текст → action

Актор Diffusion Policy проекта Mulligan для управления роботом в задаче real-routing-d2.

110скачиваний 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-routing-d2-r04-baseline-dp разработана в рамках проекта Mulligan и представляет собой актор на основе Diffusion Policy в формате чекпойнта LeRobot. Она обучена для задачи real-routing-d2 на телеметрических и DAgger-данных, охватывающих раунды c00–c08. Конфигурация содержит поля Mulligan для обрезки изображений с камер, целевых действий и системы координат действий.

Модель предназначена для управления роботом в сценарии real-routing-d2. Для загрузки требуется обучающий код Mulligan: стандартный DiffusionConfig из LeRobot не принимает дополнительные поля конфигурации. В README приведена оценка 4 успешных выполнения из 50 на указанном eval-наборе. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • управление роботом в сценарии real-routing-d2
  • воспроизведение политики Diffusion Policy на роботе
  • оценка роботизированной политики на наборах real-routing-d2

Ограничения

Для загрузки необходим обучающий код Mulligan, поскольку стандартный DiffusionConfig LeRobot не поддерживает дополнительные поля конфигурации. В указанной оценке модель достигла 4 успехов из 50 попыток.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

real-routing-d2-r04-baseline-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-routing-d2
Model roundR4
Armbaseline-dp
Training step100000

Checkpoints

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

Evaluations

DatasetSessionPolicyActorCriticNSuccesses
real-routing-d2-r00-r05-evalb01baseline_r08_dpreal-routing-d2-r04-baseline-dp—14/50

Data

Trained on: real-routing-d2-c00-teleop-baseline, real-routing-d2-c01-dagger-baseline, real-routing-d2-c02-dagger-baseline, real-routing-d2-c03-dagger-baseline, real-routing-d2-c04-dagger-baseline, real-routing-d2-c05-dagger-baseline, real-routing-d2-c06-dagger-baseline, real-routing-d2-c07-dagger-baseline, real-routing-d2-c08-dagger-baseline.

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

Referenced by the metadata of: real-routing-d2-c09-dagger-baseline, real-routing-d2-c09-dagger-mixed, real-routing-d2-r00-r05-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
991f8c4

0 моделей