/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
ferric
Опубликована
23 июл 2026

efa-2-acrobot

Языковая модельИзображение, текст → action

Детерминированная модель управления Acrobot-v1, сочетающая flow-политику с энергетическим гейтом для выборочного запуска планирования.

8скачиваний за 30 дней0лайковвеса обновлены23 июл 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

EFA-2 Acrobot-v1 — модель Charlot Lab при Institute for Physical AI @ Bailey Military Institute для управления средой Gym Acrobot-v1. Она объединяет flow-политику, выдающую один из трёх допустимых моментов на локтевом шарнире, и энергетическую модель, которая проверяет действия и при высоком значении энергии запускает планирование с четырьмя шагами интегрирования. В наблюдение входят синусы и косинусы углов и нормированные угловые скорости; архитектура содержит две головы с полносвязными слоями размером 96. Модель использует среду с недоуправляемой динамикой и ограничением в 500 шагов на эпизод.

В описанном авторами тесте на 100 эпизодах гейт запускал дополнительное вычисление на 5,3% решений и дал 100% решённых эпизодов со средним возвратом −88,0; авторы также сообщают о детерминированности вычислений и проверке энергетической оценки действий. Модель дистиллирована из демонстратора динамического программирования на известных уравнениях среды; это не сравнение с моделью, обученной методом model-free RL. Результаты основаны на одном seed и не гарантируют качество на других средах или условиях. Лицензия — Apache-2.0.

Сценарии применения

  • управление Acrobot-v1 в Gym
  • выбор момента для локтевого привода Acrobot
  • планирование действий в недоуправляемой системе
  • сравнение гейтированного управления с flow-политикой без гейта

Ограничения

Оценка основана на одном seed и 100 эпизодах; демонстратор построен на динамическом программировании с известной динамикой среды, поэтому результаты не являются сравнением с model-free RL. Модель предназначена для Acrobot-v1; перенос на другие среды не заявлен.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EFA-2 · Acrobot-v1 — the rescue artifact

The first EFA body where the energy gate doesn't just price compute — it rescues. Gym Acrobot-v1, exact published spec: underactuated (torque on the elbow only, actions {−1, 0, +1}), RK4 dynamics, reward −1/step, 500-step cap. Nothing about the task is ours.

Charlot Lab · Institute for Physical AI @ Bailey Military Institute. Runtime: Ferric. Siblings: efa-1 (flagship, certified multi-body) · efa-2-pendulum.

Why this body: the principled K=1 failure

From the hanging start, the optimal pumping torque is symmetric-bimodal (±1) — and a flow policy's conditional expectation at a₀ = 0 averages the modes toward zero. Measured on this artifact: K=1 rounds to zero torque on 54% of hanging-region probes. That is the classically multi-modal regime where one-shot policies fail — and it shows in the closed loop.

The rescue, measured (100 spec episodes each; never-solve = −500)

policymean returnsolvedextra compute
flow K=1 (no gate)−109.996%—
AGENCY: E>τ → K=4 → planner−88.0100%on 5.3% of decisions
flow K=4 always−80.9100%on 100% of decisions (4×)
planner tool always (argmin own E)−84.8100%3 E-evals every step
DP teacher (near-optimal)−84.7100%106 evals/step

The model's own energy objects on ~5% of decisions, and that objection converts into solved episodes: +21.9 mean return, 96→100% solved, capturing most of always-K=4's gain at a small fraction of its marginal compute. The same potential verifies at 94.5% (ranks the demonstrator's action below the alternatives); every path — including both tools — is bit-exact deterministic. τ ships in config.json (95th pct of validation energy, from the artifact alone).

Honesty (read before citing)

  • Distills a model-based DP demonstrator (grid value iteration on the known dynamics; teacher −84.7, 100%, squarely in the published good-policy band ≈ −80..−100). Not a model-free-RL comparison.
  • K=1's failure is partial (96% solved but slow); the rescue Δ decomposes as ≈16 points from eliminating the four never-solves + the rest from faster solutions. One seed.
  • ω observation components are scaled by their spec bounds (disclosed in config.json).
  • Gated release: agency return ≥ −150 ∧ verify ≥ 90% ∧ bit-exact ∧ reload-exact — thresholds fixed before the run. Provenance: experiments/ebm_efa2acro.rs in the EFA repo (ledger with negatives included — on two easier bodies the gate found nothing to rescue, and the cards say so).

Architecture

Coordinated pair on the env's own observation [cosθ₁, sinθ₁, cosθ₂, sinθ₂, ω₁/4π, ω₂/9π]: flow head (8→96→96→1, CFM; K-step integration, rounded to the 3 legal actions) + potential head (7→96→96→1, contrastive; the verifier, the gate, and the planner tool's objective — one energy, three roles).

License: Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · ferric

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
92c1f2e

0 моделей