Kite Trossen Cup Real ACT

公式重み
論文と技術報告

KiteがLeRobot ACTで学習した、WidowX AI双腕ステーションのカップ把持方策。4台のRGBカメラと14次元関節状態から行動チャンクを予測。3万ステップの重みを公開し、評価は著者によるシミュレーションのみです。

モデルの説明全文を見る

指定WidowX AIステーションでの赤いカップ把持の研究とシミュレーション評価。

論文と技術報告

論文・報告は未確認

公式紹介資料を登録しています。該当バージョンの論文・技術報告は未確認です。

最終確認: 2026-11-17

取得方法と利用条件

公開コード資料
公開アクセス
モデルファイル
公開アクセス
学習データ
公開アクセス

評価資料

学習・ファインチューニングコード

取得方法
公開アクセス

出典確認日 · 2026-11-17

コードのライセンス
Apache-2.0

モデルファイル

モデルファイル
trossen-bin-picking-act-cup-real · 30000取得方法重みのライセンス
公開情報

出典確認日 · 2026-11-17

導入前の確認事項

単一タスク、言語入力なし。著者のシミュレーションのみで、成功は左腕側に限定。実機未実行。上流改訂と動作単位・座標・周波数は未確認。 重みやコードの公開は、そのままロボットで動作することを意味しません。必要な構成、データ、インターフェースを資料で確認してください。

導入・利用資料

推論方式
ACTPolicy.from_pretrained、LeRobot >=0.6、commit固定
実行環境とフレームワーク
lerobot-pytorch
微調整の要件
タスク学習:30,000ステップ、batch 8、A100一台、約1時間50分
デプロイ要件
WidowX AI双腕、RGB 4台、14次元関節位置

構造と入出力

モデルの種類
行動方策
アーキテクチャ
Transformer
バックボーン
ResNet18(ImageNet1K V1)、Transformer幅512、encoder 4/decoder 1
入力
RGB画像 / ロボット状態
出力
14次元関節目標、100ステップのチャンク
公開日
2026年11月16日
  • バックボーン · 入力モダリティ · アーキテクチャ: Kite ML, Inc.
  • 出力アクション空間 · 主カテゴリ: Kite ML, Inc.

適用範囲と学習方法

joint_position · continuous

14 DoF · horizon 100 · mean_std

ベースモデル

Hugging Face LeRobot ACT

身体範囲

単一本体

機能分類

行動制御

レコード種別

公式重み

出力

行動

パイプラインタスク

robotics

予測出力

chunk_size=100、n_action_steps=100

ロボット形態

双腕プラットフォーム / ロボットアーム

タスク範囲

単一タスク

学習データ規模

学習7,318フレーム

学習データソース

Trossen実録bin_picking、学習カップ18エピソード

学習方式

模倣学習

系譜

派生元: ACT · LeRobot ACT ↗

  • ベースモデル · 身体範囲 · 機能分類 · レコード種別 · パイプラインタスク · ロボット形態 · タスク範囲 · 学習データ規模 · 学習データソース · 学習方式 · joint_position · continuous · 系譜 · LeRobot ACT: Kite ML, Inc.
  • 出力 · 予測出力 · joint_position · continuous: Kite ML, Inc.

関連ロボット

全パラメータと検証事項(モデルカード)

Kite ML, Inc.が公開するタスク学習済みLeRobot ACT派生物で、新たな基盤アルゴリズムではありません。特定の事前学習ACTチェックポイントからの微調整は確認されていません。学習に使った上流の正確な改訂は不明で、モデルカードはLeRobot >=0.6での読み込みを案内しています。

WidowX AI双腕ステーションで赤いカップを透明トレーへ移す単一タスクです。低位置・上方・左右手首のRGB各3×480×640と14次元関節位置を入力し、14次元関節目標を100ステップずつ出力します。言語指示は読みません。n_obs_steps=1、n_action_steps=100。

設定:ResNet18(ImageNet1K V1)、Transformer幅512、8ヘッド、前向き幅3200、ReLU、エンコーダー4層・デコーダー1層。VAE有効、潜在次元32、VAEエンコーダー4層、dropout 0.1、KL重み10。画像・状態・行動はMEAN_STD正規化。CUDA、AMP/PEFT無効、学習率1e-5、重み減衰1e-4、骨幹学習率1e-5。保存された学習設定であり、推論の最低要件ではありません。

Trossen公開の実録bin_pickingからカップ18エピソードを使用し、元エピソード4・14を評価用に除外。学習7,318フレーム、batch 8、A100一台、30,000ステップ、約1時間50分。

著者の閉ループ・シミュレーション配置結果は室内光10/20、低照度8/20、暖色光8/20、追加物体7/20、合計33/80(41.25%)。成功はすべて左腕把持レイアウトで、右腕側は成功なし。低位置カメラには実ステーション写真とカップの切り抜きを使用します。実機成功率でも独立再現でもありません。公式サイトの91%の例は本重みに適用しません。

完全な重みの公開は2026-11-16 22:39:44 UTC(台北11-17 06:39:44)。22:39:02の空リポジトリ作成とは区別します。model.safetensorsは206,765,304バイトで設定・前後処理・正規化ファイルを同梱。HFは公開・非gatedで申請不要。下記commitを固定してください。モデルカードmetadataはApache-2.0を宣言しますが、独立LICENSEはなくconfig.licenseはnullです。ファイル別の法的検証ではなく、商用利用は未確認のままです。LeRobotのコード許諾は別扱いです。全モデルのパラメータ数、動作座標・単位・制御周波数、独立再評価および実機配備は未確認です。

https://huggingface.co/kiteml/trossen-bin-picking-act-cup-real

https://huggingface.co/kiteml/trossen-bin-picking-act-cup-real/commit/1f47a171eb8009c0ba2ef591ba966bb8f88c632e

https://huggingface.co/kiteml/trossen-bin-picking-act-cup-real/blob/1f47a171eb8009c0ba2ef591ba966bb8f88c632e/config.json

https://github.com/kite-ml/trossen-bin-picking-sim-datasets

https://kiteml.com/

情報源または訂正を送信