/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

real-routing-d2-r05-mulligan-dp

Языковая модельИзображение, текст → action3 профессии

Diffusion Policy для управления манипулятором в задаче маршрутизации real-routing-d2, обученная в проекте Mulligan.

236скачиваний 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

Это контрольная политика для задачи real-routing-d2 из проекта Mulligan: актор на основе Diffusion Policy, сохранённый в формате чекпойнта LeRobot. Модель предназначена для управления манипулятором в сценарии маршрутизации real-routing-d2 и обучена на телеметрических и DAgger-данных проекта. Для загрузки требуется код обучения Mulligan: конфигурация содержит дополнительные поля Mulligan, которые несовместимы со стандартным DiffusionConfig LeRobot.

В репозитории указана лицензия MIT. В оценке на наборе real-routing-d2-r00-r05-eval актор показал 14 успешных эпизодов из 50; в варианте с IDQL-критиком и 32 кандидатами — 17 из 50.

Сценарии применения

  • управление манипулятором в задаче real-routing-d2
  • выполнение движений робота по визуальным наблюдениям и истории действий
  • оценка и сравнение роботизированных политик на стенде real-routing-d2

Ограничения

Для загрузки необходим код обучения Mulligan из-за нестандартных полей конфигурации. На указанной оценке базовый актор успешен в 14 из 50 эпизодов.

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-routing-d2-r05-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-routing-d2
Model roundR5
Armmulligan-dp
Training step100000

Checkpoints

FolderTraining run config
(root)release/run-configs/real-routing-d2-r05-mulligan-dp.json

Evaluations

DatasetSessionPolicyActorCriticNSuccesses
real-routing-d2-r00-r05-evalb01mulligan_r09_dpreal-routing-d2-r05-mulligan-dp—114/50
real-routing-d2-r00-r05-evalb01mulligan_r09_idql_n32real-routing-d2-r05-mulligan-dpreal-routing-d2-r05-mulligan-idql-critic3217/50

Data

Trained on: real-routing-d2-c00-teleop-sobol, real-routing-d2-c01-dagger-mulligan, real-routing-d2-c02-dagger-mulligan, real-routing-d2-c03-dagger-mulligan, real-routing-d2-c04-dagger-mulligan, real-routing-d2-c05-dagger-mulligan, real-routing-d2-c06-dagger-mulligan, real-routing-d2-c07-dagger-mulligan, real-routing-d2-c08-dagger-mulligan, real-routing-d2-c09-dagger-mulligan.

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

Referenced by the metadata of: 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
0560377

0 моделей