/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
ferric
Опубликована
23 июл 2026

efa-2-pendulum

Языковая модельИзображение, текст → action

Дистиллированная модель управления для Gym Pendulum-v1, которая выдаёт управляющий момент и удерживает маятник вертикально.

9скачиваний 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 Pendulum-v1 — модель управления маятником, разработанная Charlot Lab при Institute for Physical AI в Bailey Military Institute. Она предназначена для управления средой Gym Pendulum-v1: по вектору наблюдений [cosθ, sinθ, θ̇] выдаёт управляющий момент с ограничением ±2. Модель состоит из двух голов: flow-голова формирует действие, а потенциальная голова оценивает его допустимость. Режим K=1 требует одного прямого прохода; увеличение числа шагов интегрирования повышает точность ценой вычислений.

По данным карточки, модель получена дистилляцией демонстратора на основе динамической модели и динамического программирования с итерацией по сетке. В опубликованной оценке на 100 эпизодах она получила среднюю награду −142,6 и удерживала маятник вертикально в конце эпизода в 100% случаев; решения детерминированы побитно. Это результат для известной динамики задачи, а не обучения с нуля на награде, как в SAC. Проверка потенциальной головой успешна в 98,1% случаев.

Модель рассчитана на среду Pendulum-v1 и не демонстрирует универсальность за её пределами: карточка описывает один seed и двумерную систему. Для релиза указана лицензия Apache-2.0; среда выполнения — Ferric, библиотека на Rust.

Сценарии применения

  • управление маятником Pendulum-v1 в Gym
  • генерация управляющего момента для режима swing-up
  • сравнение методов управления на опубликованной спецификации Pendulum-v1
  • проверка корректности управляющих действий потенциальной моделью

Ограничения

Результаты относятся к одному seed и двумерной среде Pendulum-v1; модель дистиллирована из демонстратора, использующего известную динамику, и её нельзя считать методом model-free RL. Карточка не подтверждает перенос на другие тела или среды.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EFA-2 · Pendulum-v1 (v0 of the external-body program)

The EFA recipe on the first body the world defines, measured on the metric the world publishes. Gym Pendulum-v1, exact published spec — dynamics, ±2 torque limit (swing-up regime), reward function, start distribution, 200-step episodes. Nothing about the task is ours; every number below is externally reproducible against the same spec.

Charlot Lab · Institute for Physical AI @ Bailey Military Institute. Runtime: Ferric (pure-Rust, cross-fabric). Sibling flagship: physicalai-bmi/efa-1 (multi-body, certified, agency-gated).

The external card

policymean return (100 spec episodes)upright at endcost per decision
random≈ −1200——
published anchor: SB3 SAC≈ −150—1 fwd pass (256-wide ×2)
efa-2-pendulum, flow K=1−142.6100%1 forward pass (~21k FLOPs)
flow K=2−127.9100%2 passes
flow K=4−125.8100%4 passes
DP teacher (near-optimal)−124.5100%106 evals/decision

The thinking dial is real on the external metric: K=1 → K=4 climbs −142.6 → −125.8, converging toward the near-optimal teacher. The same potential verifies at 98.1% (ranks the demonstrator's action below random), and decisions are bit-exact deterministic. Swing-up — a discontinuous, energy-pumping optimal policy — is solved at K=1 closed-loop (100% upright from every spec start).

Honesty (read before citing)

  • This distills a model-based DP demonstrator (known dynamics, grid value iteration). The claim is SOTA-level control on the published metric at one forward pass, with verification and determinism — not "beats SAC at model-free RL." SAC learns from reward alone; this artifact does not.
  • One seed, 2-D body. The external-body program continues toward MuJoCo / SO-101-LeRobot.
  • The energy gate (τ in config.json) escalated on ~0.1% of decisions — K=1 already succeeds closed-loop here, so the gate prices compute; it has nothing to rescue. Stated plainly, as on every EFA card.
  • Gated release: thresholds fixed before the run (return@K1 ≥ −160 ∧ upright 100% ∧ verify ≥ 90% ∧ bit-exact ∧ reload-exact); train → gate → save → reload from disk → re-verify. Provenance: experiments/ebm_efa2pend.rs in the EFA repo (69+-experiment ledger, negatives included).

Architecture

The coordinated pair on the env's own observation vector [cosθ, sinθ, θ̇]:

  • Flow head (5→96→96→1): conditional-flow-matched velocity field; u = clamp(flow(obs, a=0, t=0), ±2) at K=1; K-step integration for the accuracy-vs-compute dial.
  • Potential head (4→96→96→1): contrastive energy — low = valid action; the model checking its own actions.

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
1439be2

0 моделей