Diffusion Pusht Keypoints

🚀 拡散方策 / PushT (キーポイント) のモデルカード

拡散方策: 行動拡散による視覚運動方策学習に基づく拡散方策は、[gym - pusht](https://github.com/huggingface/gym - pusht)のPushT環境で、キーポイントのみの観測値を用いて学習されました。

注意: 元の研究では、インペインティングによるコンディショニングを用いてキーポイントのみを学習しています。ここでは、エージェントの位置とともに観測値をエンコードし、そのエンコード結果をノイズ除去U - Netのグローバルコンディショニングとして使用しています。

🚀 クイックスタート

python lerobot/scripts/eval.py -p lerobot/diffusion_pusht を使用して、50エピソードの評価を行い、出力結果を outputs/eval に送信します。

詳細については、LeRobotライブラリ（特に評価スクリプト）を参照してください。

📦 インストール

モデルの評価

python lerobot/scripts/eval.py -p lerobot/diffusion_pusht を使用して、50エピソードの評価を行い、出力結果を outputs/eval に送信します。

詳細情報

詳細については、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

学習詳細

LeRobot@cc2f6e7を使用して学習されました。

このモデルは、[LeRobotの学習スクリプト](TODO link with commit hash one the PR is merged)とpusht_keypointsデータセットを使用して、以下のコマンドで学習されました。

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

学習曲線は、https://wandb.ai/alexander - soare/lerobot/runs/5z9d8q9q/overview で確認できます。

この学習には、Nvida RTX H100を使用して約5時間かかりました。

📚 ドキュメント

評価

このモデルは、[gym - pusht](https://github.com/huggingface/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 と表示されます）。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エピソードの評価結果です。

各ロールアウトの結果は、eval_info.jsonで確認できます。

📄 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。