/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
lerobot
Опубликована
27 июл 2026

guangmokuai

Обучение с подкреплением

Коллекция политик ACT для управления рукой SO-ARM по данным камер и, в отдельных вариантах, тактильных и силовых датчиков.

0скачиваний за 30 дней0лайковвеса обновлены11 авг 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

yangzhaofeng/guangmokuai — коллекция политик управления роботизированной рукой, обученных с помощью LeRobot 0.4.4. В неё входят несколько вариантов ACT (Action Chunking with Transformers) с визуальным энкодером ResNet18: модели используют данные нескольких камер, а отдельные варианты также принимают данные тактильных датчиков, усилия и состояния робота. В README указано обучение на 100 000 шагах и приведены результаты успешности для ряда вариантов.

Модели предназначены для управления рукой SO-ARM на основе камерного наблюдения и, в некоторых вариантах, тактильных и силовых сигналов. Коллекция включает политики, обученные на наборах данных датчиков 千觉 и 戴盟, а также варианты с усилением изображений. Показатели успешности зависят от варианта и набора данных; в таблице значения различаются от 15% до 83%, поэтому результат нельзя переносить на все модели коллекции.

Файлы весов представлены в safetensors, лицензия — Apache 2.0. Это набор моделей для робототехнических действий, а не универсальная языковая модель; поддержка естественного языка не заявлена. Для применения требуются совместимая конфигурация робота, камеры и, если это предусмотрено выбранной политикой, датчики усилия и осязания.

Сценарии применения

  • управление рукой SO-ARM по изображению с нескольких камер
  • выполнение роботизированных манипуляций с тактильной обратной связью
  • управление манипулятором с учётом состояния робота и датчиков усилия

Ограничения

Успешность заметно различается между вариантами и датасетами; некоторые результаты в README не приведены. Политика требует совместимого робота и соответствующих ей камерных и сенсорных входов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LeRobot 触觉增强机械臂策略模型集合

本模型集合收录了基于 LeRobot 0.4.4 训练的多个 ACT 策略模型。所有模型均训练 100,000 步,支持多相机视觉输入和触觉传感器数据。训练所用数据集包含千觉传感器和戴盟传感器的数据集集合。

千觉 传感器

模型位置policy数据集版本训练步数输入成功率
qj_100(desperate)共享ACTqj_100(desperate)0.4.4100k3 相机+robot state9%
qj_150(desperate)共享ACTqj_jiaozheng_50+qj_100(desperate)0.4.4100k3 相机+robot state18%
qj_200(desperate)共享ACTqj_200(100+100)(desperate)0.4.4100k3 相机+robot state6%
qj_100_reinforce(desperate)共享ACT+图像增强qj_100(1)(desperate)0.4.4100k3 相机 + robot state42%
qj_300_reinforce(desperate)共享ACT+图像增强qj_300(desperate)0.4.4100k3 相机 + robot state60%
qj_50_reinforce(desperate)共享ACT+图像增强qj_50(desperate)0.4.4100k3 相机 + robot state---

戴盟 传感器

模型位置policy数据集版本训练步数输入成功率
dm_act_100(desperate)独立ACTdm_100(desperate)0.4.4100k3 相机 + distforce + robot state17%
dm_act_tac_100(desperate)独立ACT+触觉dm_100(desperate)0.4.4100k3 相机 + distforce + robot state---
dm_act_orin_100(desperate)共享ACTdm_100(desperate)0.4.4100k3 相机 + robot state42%
dm_act_orin_tac_100(desperate)共享ACT+触觉dm_100(desperate)0.4.4100k3 相机 + distforce + robot state30%
dm_act_200(desperate)独立ACTdm_200(desperate)0.4.4100k3 相机 + distforce + robot state---
dm_act_tac_200(desperate)独立ACT+触觉dm_200(desperate)0.4.4100k3 相机 + distforce + robot state---
dm_act_orin_200(desperate)共享ACTdm_200(desperate)0.4.4100k3 相机 + robot state26%
dm_act_orin_tac_200(desperate)共享ACT+触觉dm_200(desperate)0.4.4100k3 相机 +distforce + robot state---
dm_act_orin_350(desperate)共享ACTdm_350(desperate)0.4.4100k3 相机 + robot state62%
dm_act_orin_350reinforce(desperate)共享ACT+图像增强dm_350(desperate)0.4.4100k3 相机 + robot state83%
dm_act_orin_500(desperate)共享ACTdm_500(desperate)0.4.4100k3 相机 + robot state15%
dm_act_orin_500reinforce(desperate)共享ACT+图像增强dm_500(desperate)0.4.4100k3 相机 + robot state26%
dm_act_orin_200reinforce(desperate)共享ACT+图像增强dm_200(1)(desperate)0.4.4100k3 相机 + robot state66%
dm_act_orin_350reinforce(desperate)共享ACT+图像增强dm_350(1)(desperate)0.4.4100k3 相机 + robot state64%
dm_act_orin_350+50reinforce_resume(desperate)共享ACT+图像增强dm_eval_rg_50(desperate)0.4.4dm_act_orin_350reinforce(desperate) 上resume训练100k3 相机 + robot state---
dm_act_orin_350+50reinforce(desperate)共享ACT+图像增强dm_350+50(desperate)0.4.4100k3 相机 + robot state---
dm_act_orin_tac350+50_reinforce(desperate)共享ACT+图像增强dm_350+50(desperate)0.4.4100k3 相机 + distforce + robot state---
dm_act_orin_200reinforce共享ACT+图像增强dm_2000.4.4100k3 相机 + robot state66%
dm_act_orin_350reinforce共享ACT+图像增强dm_3500.4.4100k3 相机 + robot state76%
dm_act_orin_tacdistf_resnet_350reinforce共享ACT+触觉+图像增强dm_3500.4.4100k3 相机 + distforce +robot state42%

模型详情

  • 开发者: yangzhaofeng
  • 模型架构: ACT(Action Chunking with Transformers)
  • 框架版本: LeRobot 0.4.4
  • 许可证: Apache 2.0
  • Vision Backbone: ResNet18

文件结构

每个模型检查点包含:

model_name/
├── checkpoints/
│   ├── pretrained_model/
│   │   ├── config.json              # 模型配置
│   │   ├── model.safetensors        # 模型权重
│   │   ├── policy_preprocessor.json # 预处理器配置
│   │   ├── policy_preprocessor_step_3_normalizer_processor.safetensors
│   │   ├── policy_postprocessor.json
│   │   ├── policy_postprocessor_step_0_unnormalizer_processor.safetensors
│   │   └── train_config.json        # 训练配置
│   └── training_state/
│   ├── optimizer_state.safetensors
│   ├── optimizer_param_groups.json
│   ├── rng_state.safetensors
│   ├── scheduler_state.json     # (部分模型)
│   └── training_step.json
└── wandb/                               # 训练日志

Как запустить

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

GPU в ailist

Универсальный рантайм · lerobot

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
7d88257

0 моделей