/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
FlowHeads-DiffusionPolicy-PickOrange
Библиотека
lerobot
Опубликована
13 июл 2026

FlowHeads-DiffusionPolicy-Real-PickOrange

Генерация изображенийИзображение, текст → action3 профессии

Политика управления SO-101 для захвата апельсинов и размещения их на тарелке, дообученная на демонстрациях реального робота.

14скачиваний за 30 дней0лайковвеса обновлены13 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

wsagi разработала FlowHeads-DiffusionPolicy-Real-PickOrange — политику управления роботом SO-101 для захвата апельсинов и их размещения на тарелке. Модель построена на conv-UNet из LeRobot DiffusionPolicy с головой rectified flow и использует горизонт планирования 16 действий, из которых модель выдаёт 8 следующих действий на основе 2 наблюдений. Чекпойнт получен дообучением симуляционной модели wsagi/FlowHeads-DiffusionPolicy-PickOrange на 30 эпизодах телоуправления реальным роботом, всего 7000 шагов.

Сценарии применения

  • захват апельсинов манипулятором SO-101
  • перекладывание апельсинов с рабочего стола на тарелку
  • управление роботом по наблюдениям с верхней камеры

Ограничения

Модель обучена для конкретной задачи с апельсинами и конфигурации SO-101, поэтому её пригодность для других объектов и установок не установлена. В описанном тесте апельсины размещались на тарелке в среднем в 56,7% случаев; результат получен на 10 раундах.

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

FlowHeads-DiffusionPolicy-Real-PickOrange — SO-101 真机抓橙子(sim-warm-start,FlowDP 真机 best)

真机 SO-101 pick-orange 的 FlowDP(conv-UNet × rectified-flow head)best checkpoint:从仿真 best wsagi/FlowHeads-DiffusionPolicy-PickOrange(仿真榜 45.0%)warm-start,用 wsagi/leisaac-real-pick-orange(30 集真机遥操演示)续训 7000 步(≈4.5 epoch)。

FlowDP (conv-UNet backbone × rectified-flow head) for real-world SO-101 pick-and-place: warm-started from our sim-best FlowDP checkpoint, fine-tuned for 7000 steps on 30 real teleoperation episodes. Real-arm score even beats its own sim score (56.7% vs 45.0% oranges/ep).

真机结果 / Real-arm results(2026-07-13)

每轮场景放 3 只橙子,记每轮放入盘中的橙子数。Each round has 3 oranges on the table; we count oranges placed on the plate per round.

策略 / Policy轮次成绩 / Per-round均值 / Mean
本模型(FlowDP simwarm 7000)/ this model2, 2, 3, 1, 1, 2, 0, 3, 2, 1(10 轮)1.7 只/轮(56.7%)
ACT simwarm 5000(wsagi/ACT-Real-PickOrange)2, 1, 1, 3, 2, 1, 0, 1, 2, 2(10 轮)1.5 只/轮
FlowDP 从零 9000 / from-scratch能抓取,放置不稳 / grasps, unstable placement
  • 放入 ≥1 只的轮 9/10,两轮 3 只满放。真机 56.7% 甚至超过同模型的仿真榜成绩 45.0%。
  • sim-warm-start 再次变现(与 ACT 线结论一致),且 FlowDP simwarm 反超 ACT simwarm(1.7 vs 1.5 只/轮)成为真机全场 best。

场景 / Scene

顶部相机视角(真机布置)/ top-camera view of the real setup:

Top-Cam-DP

配方 / Recipe

项值
架构 / ArchFlowDP = lerobot DiffusionPolicy conv-UNet 骨干 × rectified-flow head(DDPM→flow 替换;horizon 16 / n_action_steps 8 / n_obs_steps 2)
initwsagi/FlowHeads-DiffusionPolicy-PickOrange(仿真 strict 20-round 45.0% best,step-9800)
数据 / Datawsagi/leisaac-real-pick-orange 30 集 / 25,091 帧 @30fps
续训 / Fine-tune7000 步(≈4.5 ep),lr 1e-4,batch 16,原生 480×640
观测 / Obsfront + wrist 相机 640×480 + 6 维关节位置

用法 / Usage

代码在 vitorcen/LeIsaac-Training 的 FlowHeads/ 子包(flowdp 是自定义 policy type,需先注册再 from_pretrained):

import sys; sys.path.insert(0, "<repo>/dependencies/FlowHeads")
import flowdp.configuration_flowdp  # registers type="flowdp"
from flowdp.modeling_flowdp import FlowDPPolicy

policy = FlowDPPolicy.from_pretrained("wsagi/FlowHeads-DiffusionPolicy-Real-PickOrange")

相关项目 / Related projects

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
ed2e170

0 моделей