Vqbet Pusht

🚀 VQ-BeT/PushTのモデルカード

VQ-BeT（Behavior Generation with Latent Actionsによる）は、gym-pushtのPushT環境用に学習されたモデルです。

🚀 クイックスタート

このモデルの読み込みと評価方法については、LeRobotライブラリ（特に評価スクリプト）を参照してください。

🔧 技術詳細

学習の詳細

このモデルはLeRobot@3c0a209を使用して学習されました。 学習にはLeRobotの学習スクリプトとpushtデータセットが使用され、以下のコマンドで学習が行われました。

python lerobot/scripts/train.py \
    --output_dir=outputs/train/vqbet_pusht \
    --policy.type=vqbet \
    --dataset.repo_id=lerobot/pusht \
    --env.type=pusht \
    --seed=100000 \
    --batch_size=64 \
    --steps=250000 \
    --eval_freq=25000 \
    --save_freq=25000 \
    --wandb.enable=true

学習曲線はhttps://wandb.ai/aliberts/lerobot/runs/3i7zs94u で確認できます。現在のモデルは200kステップのチェックポイントに対応しています。

モデルサイズ

評価

このモデルはgym-pushtのPushT環境で評価されました。エピソードごとに2つの評価指標があります。

• ターゲットとの最大オーバーラップ（上のグラフではeval/avg_max_rewardと表示）。この値は[0, 1]の範囲です。
• 成功：最大オーバーラップが少なくとも95%であるかどうか。

以下は500エピソード分の評価指標です。

各ロールアウトの結果はeval_info.jsonに記録されています。これは以下のコマンドで学習後に生成されました。

python lerobot/scripts/eval.py \
    --policy.path=outputs/train/vqbet_pusht/checkpoints/200000/pretrained_model \
    --output_dir=outputs/eval/vqbet_pusht/200000 \
    --env.type=pusht \
    --seed=100000 \
    --eval.n_episodes=500 \
    --eval.batch_size=50 \
    --device=cuda \
    --use_amp=false

📄 ライセンス

このモデルはApache - 2.0ライセンスの下で提供されています。