Diffusion Pusht

🚀 拡散ポリシー / PushT のモデルカード

拡散ポリシー（Diffusion Policy: Visuomotor Policy Learning via Action Diffusionに基づく）は、gym-pushtのPushT環境用に学習されています。

🚀 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。

📚 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。 このモデルは、LeRobotの学習スクリプトとpusht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/diffusion_pusht \
    --policy.type=diffusion \
    --dataset.repo_id=lerobot/pusht \
    --seed=100000 \
    --env.type=pusht \
    --batch_size=64 \
    --steps=200000 \
    --eval_freq=25000 \
    --save_freq=25000 \
    --wandb.enable=true

学習曲線は、https://wandb.ai/aliberts/lerobot/runs/s7elvf4r で確認できます。現在のモデルは、175kステップのチェックポイントに対応しています。

評価

このモデルは、gym-pushtのPushT環境で評価され、元のDiffusion Policyコードで学習された類似モデルと比較されました。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。「Theirs」列は、元のDiffusion Policyリポジトリで学習され、LeRobotで評価された同等のモデルの指標です（モデルの重みは、このリポジトリのoriginal_dp_repoブランチにあります）。

各個別のロールアウトの結果は、eval_info.jsonにあります。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/diffusion_pusht/checkpoints/175000/pretrained_model \
    --output_dir=outputs/eval/diffusion_pusht/175000 \
    --env.type=pusht \
    --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。