Act Aloha Sim Insertion Human

🚀 ACT/AlohaInsertionのモデルカード

Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardwareに基づくAction Chunking Transformer Policyで、gym-alohaのAlohaInsertion環境向けに学習されたモデルです。

🚀 クイックスタート

このモデルのロード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。

📚 ドキュメント

学習の詳細

LeRobot@3c0a209を使用して学習されました。

モデルは、LeRobotの学習スクリプトとaloha_sim_insertion_human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 \
    --output_dir=outputs/train/act_aloha_insertion \
    --policy.type=act \
    --dataset.repo_id=lerobot/aloha_sim_insertion_human \
    --env.type=aloha \
    --env.task=AlohaInsertion-v0 \
    --wandb.enable=true

学習曲線は、https://wandb.ai/aliberts/lerobot/runs/qxcub3cg で確認できます。現在のモデルは100kステップのチェックポイントに対応しています。

この学習には、Nvida A100で約1時間50分かかりました。

評価

モデルは、gym-alohaのAlohaInsertionタスクで評価され、元のACTリポジトリで学習された類似モデルと比較されました。各エピソードでは、一方のロボットアームがペグを正常につかみ、もう一方のロボットアームが持っているソケットに挿入すると成功と判定されます。

以下は、500エピソード分の評価における成功率の結果です。「Theirs」列は、元の論文で報告された指標です。各個別のロールアウトの結果は、eval_info.jsonで確認できます。

この評価は、以下のコマンドで学習した後に行われました。

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

元のコードは大幅にリファクタリングされ、途中でいくつかのバグが見つかりました。コードの違いが成功率の違いの原因となっている可能性があります。もう1つの可能性は、我々のシミュレーション環境が成功を評価するためのヒューリスティックが少し異なることです（2番目のアームのグリッパーが立方体と反対側の接触をするとすぐに成功と登録されることが観察されています）。最後に、学習中の評価が学習の終盤に上がることが観察されます。これについてはさらなる調査が必要です（統計的に有意ですか？もしそうなら、原因は何ですか？）。

📄 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。