act_aloha_sim_transfer_cube_human

מה זה

מדובר במימוש של ארכיטקטורת Action Chunking Transformer, שנועדה למשימות תפעול עדינות בשתי זרועות רובוטיות. המודל שוקל כמאתיים מגה בייט בלבד ומכיל 51.6 מיליון פרמטרים, מה שהופך אותו לקטן מאוד ביחס לעולם הראייה הממוחשבת והרובוטיקה. הוא אומן בסימולציה של סביבת gym-aloha על בסיס נתוני הדגמות אנושיות, מתוך מטרה אחת, הרמה של קובייה בזרוע אחת והעברתה בצורה מתואמת לזרוע השנייה.

בבדיקה של חמש מאות סיבובים מול מימוש המקור של ACT, המודל הזה הגיע לשיעור הצלחה של 83 אחוזים לעומת 68 אחוזים של הקוד המקורי. השיפור נובע מתיקוני באגים ושכתוב הקוד בספריית lerobot, אבל היוצרים בעצמם מציינים שהיוריסטיקת הזיהוי בסימולציה מעט מקלה, ומסמנת הצלחה ברגע שיש מגע תואם של התופסן השני בקובייה.

מתאים ל

• בדיקת אלגוריתם ACT

  נקודת ייחוס מהירה לבחינת ביצועי שליטה בשתי זרועות לפני אימון מודל חדש על חומרה.

• פיתוח בסביבת Aloha

  בסיס עבודה בדוק לסימולטור gym-aloha שמאפשר לוודא שצינור הנתונים וההדגמות עובד.

• מחקר בקרת תנועה עדינה

  ניתוח העברות אחיזה ופעולות מסונכרנות בין שתי זרועות על מודל שכבר הגיע ל־83% הצלחה.

איפה זה נופל

הוא מוגבל אך ורק לסימולציה ספציפית אחת, משימת העברת קובייה בין זרועות. הוא לא יידע לעשות שום דבר אחר, ואין כאן עבודה מול חומרה אמיתית של רובוט בעולם האמיתי. מעבר לזה, נתוני האימון הגיעו לנקודת הבדיקה אחרי שמונים אלף צעדים כשהגרף מציג קפיצה פתאומית בהצלחה לקראת הסוף, עניין שהמפתחים מודים שדורש בדיקה סטטיסטית מעמיקה יותר. אם אתם מחפשים אוטונומיה למשימות מגוונות או עמידות בפני רעשים בעולם האמיתי, הוא ייכשל לגמרי.

איך מריצים

כדי להריץ אותו צריך להתקין את ספריית lerobot מבית Hugging Face ולהשתמש בסקריפט ההערכה שלה שמחובר לסביבת AlohaTransferCube-v0. עם גודל של 203 מגה בייט, המודל רץ בקלות על כל כרטיס מסך מודרני, ואפילו מעבדים גרפיים צנועים יתמודדו איתו בלי להזיע.

אין פה API חיצוני או ענן לקרוא לו, רובוטיקה דורשת זמן תגובה מיידי בלולאת בקרה סגורה, ולכן מריצים אותו אך ורק מקומית ישירות מול הסימולטור.

from transformers import pipeline

pipe = pipeline("robotics", model="lerobot/act_aloha_sim_transfer_cube_human")
print(pipe("שלום"))

הקבצים

8 קבצים במאגר, 203 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.safetensors206.8 MB
• demo.gif5.8 MB
• training_curves.png76.6 KB
• eval_info.json66.8 KB
• train_config.json5.3 KB
• README.md3.5 KB
• .gitattributes1.6 KB
• config.json1.3 KB

הרישיון

רישיון apache-2.0 מתיר שימוש מסחרי ומאפשר לשנות את הקוד, לפתח עליו מוצר סגור ולהפיץ אותו בחופשיות. התנאי העיקרי הוא שמירת הצהרות זכויות היוצרים והרישיון המקורי בקבצים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗