许可协议：apache-2.0
数据集：

• lerobot/pusht_keypoints
  任务类型：机器人技术

Diffusion Policy / PushT（关键点）模型卡

本模型为基于Diffusion Policy: Visuomotor Policy Learning via Action Diffusion训练的Diffusion Policy，专为gym-pusht环境中仅使用关键点观测的PushT任务设计。

注：原研究通过图像修复技术进行关键点条件训练。本模型将观测数据与智能体位置编码结合，作为去噪U-Net的全局条件输入。

快速开始

运行python lerobot/scripts/eval.py -p lerobot/diffusion_pusht可进行50轮评估，结果将输出至outputs/eval目录。

更多信息请参阅LeRobot库（特别是评估脚本）。

训练详情

基于LeRobot@cc2f6e7版本训练。

使用LeRobot训练脚本和pusht_keypoints数据集，执行以下命令：

python lerobot/scripts/train.py \
  hydra.job.name=diffusion_pusht_keypoints \
  hydra.run.dir=outputs/train/2024-07-03/13-52-44_diffusion_pusht_keypoints \
  env=pusht_keypoints \
  policy=diffusion_pusht_keypoints \
  training.save_checkpoint=true \
  training.offline_steps=200000 \
  training.save_freq=20000 \
  training.eval_freq=10000 \
  training.log_freq=50 \
  training.num_workers=4 \
  eval.n_episodes=50 \
  eval.batch_size=50 \
  wandb.enable=true \
  wandb.disable_artifact=true \
  device=cuda \
  use_amp=true

训练曲线详见：https://wandb.ai/alexander-soare/lerobot/runs/5z9d8q9q/overview
在NVIDIA RTX H100显卡上训练耗时约5小时。

评估结果

模型在gym-pusht的PushT环境中评估，每轮次包含两项指标：

1. 目标最大重叠率（图表中显示为eval/avg_max_reward），范围[0,1]
2. 成功率：最大重叠率是否达到95%

500轮次评估结果如下：

单次测试结果详见eval_info.json文件。