Kite Trossen Cup Sim Baseline ACT

公式重み
論文と技術報告

KiteがLeRobot ACTで学習した、WidowX AI双腕ステーション向けカップ把持方策。baselineの17シミュレーションエピソードだけで9万ステップ学習した重みです。評価は著者によるシミュレーションのみで、実機では未検証です。

モデルの説明全文を見る

指定WidowX AI双腕ステーションでの赤いカップのトレー配置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: 2026-11-18

取得方法と利用条件

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

このバージョンの学習コードは未確認です。公開コードの存在は、この版の学習実装の公開を意味しません。 検証事項を見る

学習・ファインチューニングコード

モデルファイル

モデルファイル
trossen-bin-picking-sim-act-cup-baseline-90k · 90000取得方法重みのライセンス
公開情報

出典確認日 · 2026-11-18

導入前の確認事項

カップ単一タスク。著者のシミュレーションのみで右側は成功なし、実機未検証。完全な学習スクリプト、動作単位、制御周波数、最低VRAMと各ファイルの許諾範囲は未確認。 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、revisionを固定
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:90000ステップ、batch 8、A100一台、約4時間
デプロイ要件
RGB各3×480×640の4カメラと14次元関節位置;WidowX AI双腕

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、エンコーダー4層/デコーダー1層
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17日
  • バックボーン: Kite ML, Inc.
  • 入力モダリティ · 出力アクション空間 · 主カテゴリ · アーキテクチャ: Kite ML, Inc.

適用範囲と学習方法

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6867フレーム

学習データソース

Kiteシミュレーションbaseline、学習カップ17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 · 出力 · 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 · 系譜 · LeRobot ACT: Kite ML, Inc.
  • 予測出力: 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.によるHugging Face LeRobot ACTのタスク学習派生方策で、新しい基盤アルゴリズムではありません。Trossen Roboticsは元データとロボットの提供元です。baseline 3万、all-seven 9万、実録3万ステップとは別の重みです。特定の事前学習ACT重みからの微調整は確認されていません。

入力は低位置・上方・左右手首のRGB各3×480×640と14次元関節位置。出力は14次元関節目標を100ステップ単位で予測。n_obs_steps=1、chunk_size=n_action_steps=100。言語指示は読みません。ResNet18(ImageNet1K V1)、Transformer幅512、8ヘッド、前向き3200、ReLU、エンコーダー4層・デコーダー1層。VAE潜在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。保存設定はCUDA、AMP/PEFT無効、学習率と骨幹学習率1e-5、重み減衰1e-4であり、最低推論要件ではありません。

学習はkiteml/trossen-bin-picking-sim-baselineのカップ17エピソード、6867フレーム。90000ステップ、batch 8、A100一台、約4時間は著者報告です。LeRobot >=0.6で読み込み可能とされています。指定の実験リポジトリにはREADME、動画と結果のみがあり、完全な学習・rolloutスクリプトはありません。学習時の上流revisionと全工程の再現性は未確認。上流LeRobotの実装だけを本実験の完全な学習パイプラインとは扱いません。

著者によるMuJoCo閉ループ評価:室内光8/20、低照度3/20、暖色光5/20、追加物体10/20、合計26/80(32.5%)。元episode 4の左腕と14の右腕レイアウトを留出し、条件ごと各10回、開始位置変動は1cm以内。成功は3cm以上持ち上げて最終的にトレー内、最大19秒、100ステップの行動チャンクを全実行。成功は全て左側、右側は成功なし。画像はシミュレータ描画で、低位置画像には実ステーション写真とカップのテクスチャを使用。手首カメラケーブルを固定フックからデータセットの形状と関節に追従する形式へ変更しています。評価手順が変わったため過去との比較で能力向上・低下を直接判断できません。実機検証、独立再現、汎化の証明はありません。

完全な重みの公開は2026-11-17 23:38:54 UTC(台北11-18 07:38:54)。23:38:31の空リポジトリ作成とは区別します。公開・非gatedで申請不要。model.safetensorsは206765304バイト。今回ファイル全体をダウンロードし、SHA256 c2e798686cb00f6ff007285ce3f2907e4a92844f8fbf8fde333d7c55226941b8がLFS宣言と一致することを確認しましたが、方策は実行していません。設定、前後処理、正規化ファイルを同梱。ACTPolicy.from_pretrainedでrevision 353a961fb1c17a2f00b95fcbac4994282faf8eebを固定してください。

モデルカードはApache-2.0を宣言しますが、config.license=nullで独立LICENSEはありません。これは公開者の宣言であり全ファイルの法的監査ではなく、商用利用は未確認です。動作単位・制御周波数、全モデルの学習可能パラメータ数、最低VRAMは未確認です。

https://huggingface.co/kiteml/trossen-bin-picking-sim-act-cup-baseline-90k/blob/353a961fb1c17a2f00b95fcbac4994282faf8eeb/README.md

https://huggingface.co/kiteml/trossen-bin-picking-sim-act-cup-baseline-90k/blob/353a961fb1c17a2f00b95fcbac4994282faf8eeb/config.json

https://github.com/kite-ml/trossen-bin-picking-sim-datasets/tree/f61bcdc1211db23873c28aa785cb4ada8ccccaad

情報源または訂正を送信