Act Aloha Sim Transfer Cube Human

🚀 ACT/AlohaTransferCube模型卡片

本模型为动作分块变换器策略（依据论文Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware），针对gym-aloha中的AlohaTransferCube环境进行训练。

🚀 快速开始

若要了解如何加载和评估此模型，请参考LeRobot库（尤其是评估脚本）获取相关说明。

✨ 主要特性

• 基于动作分块变换器策略，适用于AlohaTransferCube环境。
• 可通过LeRobot库方便地进行加载和评估。

📦 安装指南

此部分文档未提及安装步骤，故跳过。

💻 使用示例

此部分文档未提供代码示例，故跳过。

📚 详细文档

训练详情

本模型使用LeRobot@3c0a209进行训练。 使用LeRobot的训练脚本和aloha_sim_transfer_cube_human数据集进行训练，训练命令如下：

python lerobot/scripts/train.py \
    --output_dir=outputs/train/act_aloha_transfer \
    --policy.type=act \
    --dataset.repo_id=lerobot/aloha_sim_transfer_cube_human \
    --env.type=aloha \
    --env.task=AlohaTransferCube-v0 \
    --wandb.enable=true

训练曲线可在https://wandb.ai/aliberts/lerobot/runs/720l37xb 查看。当前模型对应80k步的检查点。 在Nvida A100上训练此模型大约需要1小时45分钟。

评估

本模型在gym-aloha的AlohaTransferCube任务上进行评估，并与使用原始ACT仓库训练的类似模型进行比较。如果一个机器人手臂成功抓取立方体并将其转移到另一个机器人手臂，则该回合标记为成功。 以下是500回合评估的成功率结果。“Theirs”列表示在原始ACT仓库中训练并在LeRobot上评估的等效模型（模型权重可在本仓库的original_act_repo分支中找到）。每个单独回合的结果可在eval_info.json中查看。

评估使用以下命令进行：

python lerobot/scripts/eval.py \
    --policy.path=outputs/train/act_aloha_transfer/checkpoints/080000/pretrained_model \
    --output_dir=outputs/eval/act_aloha_transfer/080000 \
    --env.type=aloha \
    --env.task=AlohaTransferCube-v0 \
    --eval.n_episodes=500 \
    --eval.batch_size=50 \
    --device=cuda \
    --use_amp=false

原始代码进行了大量重构，在此过程中发现了一些错误。代码差异可能是成功率不同的原因。另一种可能性是我们的模拟环境在评估成功时可能使用了略有不同的启发式方法（我们观察到，只要第二个手臂的夹具与立方体形成对向接触，就会记录为成功）。最后，应该注意到训练中的评估在训练接近尾声时有所提升，这可能需要进一步研究（这种提升是否具有统计学意义？如果是，原因是什么？）。

🔧 技术细节

此部分文档未提供具体的技术实现细节，故跳过。

📄 许可证

本模型采用Apache-2.0许可证。