Vqbet Pusht

🚀 VQ - BeT/PushT模型卡片

VQ - BeT（依據論文Behavior Generation with Latent Actions）是針對[gym - pusht](https://github.com/huggingface/gym - pusht)中的PushT環境進行訓練的模型。它為機器人領域的相關任務提供了有效的解決方案，能夠在特定環境中實現較好的行為生成效果。

🚀 快速開始

若要了解如何加載和評估此模型，請參考LeRobot庫（尤其是評估腳本）獲取具體說明。

📦 安裝指南

暫未提供相關安裝步驟內容。

💻 使用示例

暫未提供相關代碼示例內容。

📚 詳細文檔

訓練詳情

本模型使用LeRobot@3c0a209進行訓練。 使用LeRobot的訓練腳本和pusht數據集進行訓練，訓練命令如下：

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

訓練曲線可在https://wandb.ai/aliberts/lerobot/runs/3i7zs94u 查看。當前模型對應200k步的檢查點。

模型大小

評估

本模型在[gym - pusht](https://github.com/huggingface/gym - pusht)的PushT環境中進行評估。每個回合有兩個評估指標：

• 與目標的最大重疊度（在上述圖表中顯示為eval/avg_max_reward），範圍在[0, 1]之間。
• 成功率：最大重疊度是否至少達到95%。

以下是500個回合評估的指標：

每個單獨回合的評估結果可在eval_info.json中查看。該文件是在訓練後使用以下命令生成的：

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

📄 許可證

本模型採用Apache - 2.0許可證。