|
Download Data/Exam_sep_21/README.md from UCBProject/RL_Correction: direct link, hf CLI and curl.
- Browser
- Download file 2.71 kB
-
https://huggingface.co/datasets/UCBProject/RL_Correction/resolve/main/Data/Exam_sep_21/README.md
- Command line
-
hf download hf://datasets/UCBProject/RL_Correction/Data/Exam_sep_21/README.md
-
curl -L -o README.md https://huggingface.co/datasets/UCBProject/RL_Correction/resolve/main/Data/Exam_sep_21/README.md
2.71 kB
真机三任务考试 rollout(2026-09-21 深夜 ~ 09-22 凌晨)
Dexmate Vega-1P + 双 Sharpa 手,本地 5090 推理(inference: local,每条记服务 pid + ckpt md5),
每份 ckpt 10 条,操作者每条停下后当场打分(ENTER 成功 / 空格 失败)。LeRobot v2.1,20 Hz,6 路相机
(head / left_wrist / right_wrist = 策略输入;kinect_0/1/2 = 第三方机位)。
成绩
| 任务 | 纯真机 | 混合(上色 sim 预训练 + 真机微调) |
|---|---|---|
扫地 sweep_* |
0/10(sw_real25_latest) |
8/10(sw2tex_ftU_latest) |
倒水 第一轮 pour_*(右腕相机歪着,见下) |
1/10(real25_latest) |
4/10(tex_ftU) |
倒水 第二轮 pour2_*(相机修好) |
未测 | 5/10(tex_ftU) |
擦盘子 clean18_*(相机修好后重考) |
5/10(c18_real29_latest) |
6/10(c18_ftU_latest) |
三个任务混合都 ≥ 纯真机;扫地差距最大。逐条记录见 results.jsonl(含 ckpt 文件、md5、帧数、时长、打分),
汇总表 summary.md。
目录
<task>_<label>/—— 每份 ckpt 一个 LeRobot 数据集(10 回合),meta/rollouts.jsonl每条带 ckpt + md5results.jsonl—— 考试逐条记录(唯一真源);summary.md—— 由它生成NOTE_camera_shift.md—— 右腕相机位移事故说明void_camera_shift/—— 作废数据:擦盘子第一次考试的 14 条(右腕相机歪着跑的)+ 作废前的 results 备份。别拿来算成绩
右腕相机位移(必读)
扫地考完、倒水开考之间(拆扫把、放水壶杯子那一步)右腕 ZED(SN 307208395)被碰歪:同一起手关节角下画面相对
09-20 平移 +433 px、相位相关 ≈ 0(无重叠);左腕未动。扫地全程相机与考前一致 → 扫地 20 条有效;
倒水第一轮 20 条歪着跑的 → 保留但不可与 09-19 成功 ep8 直接比;擦盘子第一次 14 条作废重考。
修好后用 scripts/wrist_align.py 对 09-19 倒水参考帧校准到 dx +2.5 / dy +0.4 px。
ckpt 出处
| 本地文件 | 8 卡机原件(RL_*_dp/datasets/dp/runs/) |
md5 |
|---|---|---|
sw_real25_latest.ckpt |
sw_real25/latest.ckpt |
4b205dd9… |
sw2tex_ftU_latest.ckpt |
sw2tex_ftU/latest.ckpt |
422a6a27… |
real25_latest.ckpt |
p17real25_H_hw/latest.ckpt |
14605ce2… |
tex_ftU.ckpt |
p17tex_ftU/latest.ckpt |
7d8276a2… |
c18_real29_latest.ckpt |
c18_real29/latest.ckpt |
e18f0382… |
c18_ftU_latest.ckpt |
c18tex_ftU/latest.ckpt |
9b356852… |
全部为 EMA 瘦身版(1.4G),serve_policy_img.py --num_inference_steps 16。