--- library_name: lerobot pipeline_tag: robotics tags: - lerobot - act - so101 - robotics datasets: - viktorbon2003/assemblage__20261104_180340 - viktorbon2003/long_pick_and_place_red__20261104_115241 - viktorbon2003/pick_and_place_noise_2_20261021_090417 - viktorbon2003/color_20261020_173921 - viktorbon2003/pick_place_act_yellow_20261020_152547 - viktorbon2003/triangle_20261006_151825 --- # Politiques ACT pour bras SO-101 – Viktor Bonnenge Ce dépôt regroupe **6 politiques ACT** entraînées avec [LeRobot](https://github.com/huggingface/lerobot) sur un bras **SO-101**, une par tâche. Chaque dossier contient **uniquement le modèle final** (~207 Mo). Les checkpoints intermédiaires et l'état de l'optimiseur ont été retirés pour alléger le partage : on passe de plus de 100 Go à **~1,2 Go au total**. Configuration commune : bras SO-101 (follower), 2 caméras (`close` et `wide`), enregistrement à 25 fps, datasets au format LeRobot v3.0. ## Contenu | Dossier | Tâche | Steps d'entraînement | Dataset (public) | Épisodes | Taille du dataset | |---|---|---|---|---|---| | `assemblage/` | Assemblage de 2 blocs | 20 000 | [assemblage__20261104_180340](https://huggingface.co/datasets/viktorbon2003/assemblage__20261104_180340) | 40 | 637 Mo | | `long_pick_and_place_red/` | Pick & place du cube rouge, position bruitée | 70 000 | [long_pick_and_place_red__20261104_115241](https://huggingface.co/datasets/viktorbon2003/long_pick_and_place_red__20261104_115241) | 75 | 608 Mo | | `pick_and_place_noise/` | Pick & place d'un bloc bleu, position jamais fixe | 14 998 | [pick_and_place_noise_2_20261021_090417](https://huggingface.co/datasets/viktorbon2003/pick_and_place_noise_2_20261021_090417) | 40 | 277 Mo | | `color/` | Pick & place du cube rouge, positions fixes interchangées | 15 000 | [color_20261020_173921](https://huggingface.co/datasets/viktorbon2003/color_20261020_173921) | 50 | 330 Mo | | `pick_place_yellow/` | Pick & place (objet jaune) | 15 000 | [pick_place_act_yellow_20261020_152547](https://huggingface.co/datasets/viktorbon2003/pick_place_act_yellow_20261020_152547) | 22 | 152 Mo | | `triangle/` | Pick & place du triangle (validation) | 10 000 | [triangle_20261006_151825](https://huggingface.co/datasets/viktorbon2003/triangle_20261006_151825) | 50 | 387 Mo | ### Description des datasets - **assemblage** : le bras assemble 2 blocs l'un avec l'autre. - **long_pick_and_place_red** : pick & place du cube rouge, avec du bruit sur la position de départ pour rendre la politique plus robuste. C'est le dataset le plus long : 75 épisodes et 70 000 steps d'entraînement. - **pick_and_place_noise** : un seul bloc bleu, dont la position change à chaque épisode (jamais fixe). - **color** : pick & place du cube rouge. Les positions sont fixes, mais le cube est échangé entre les emplacements des blocs d'un épisode à l'autre. - **pick_place_yellow** : pick & place de l'objet jaune. - **triangle** : pick & place du triangle. C'est la première tâche, qui a servi à valider le fonctionnement de toute la chaîne (enregistrement, entraînement, exécution). Chaque dossier contient : - `model.safetensors` : les poids du modèle final ; - `config.json` : la configuration de la politique ; - `policy_preprocessor*.json/.safetensors` et `policy_postprocessor*` : les normalisations entrée/sortie, **à garder avec le modèle** ; - `train_config.json` : la configuration complète de l'entraînement, pour la reproductibilité. ## Récupérer les modèles Il faut le paquet `huggingface_hub` (`pip install -U huggingface_hub`), déjà installé avec LeRobot. **Tout le dépôt (~1,2 Go) :** ```bash hf download viktorbon2003/so101-act-models --local-dir so101-act-models ``` **Un seul modèle (~207 Mo), par exemple l'assemblage :** ```bash hf download viktorbon2003/so101-act-models --include "assemblage/*" --local-dir so101-act-models ``` **La même chose en Python :** ```python from huggingface_hub import snapshot_download snapshot_download( "viktorbon2003/so101-act-models", local_dir="so101-act-models", allow_patterns=["assemblage/*"], # à retirer pour tout télécharger ) ``` ## Récupérer les datasets Les datasets sont publics. On peut les **visualiser en ligne sans rien télécharger** avec le [visualiseur LeRobot](https://huggingface.co/spaces/lerobot/visualize_dataset) : il suffit de coller l'identifiant, par exemple `viktorbon2003/assemblage__20261104_180340`. **Pour les télécharger :** ```bash hf download viktorbon2003/assemblage__20261104_180340 --repo-type dataset --local-dir datasets/assemblage ``` **Pour les charger directement avec LeRobot :** ```python from lerobot.datasets.lerobot_dataset import LeRobotDataset ds = LeRobotDataset("viktorbon2003/assemblage__20261104_180340") print(ds.num_episodes, ds.fps) ``` ## Utiliser un modèle **Charger la politique en Python :** ```python from lerobot.policies.act.modeling_act import ACTPolicy policy = ACTPolicy.from_pretrained("so101-act-models/assemblage") ``` **Pour la faire tourner sur le bras :** utiliser `lerobot-record` avec la même configuration robot/caméras que pour l'enregistrement des datasets, en ajoutant `--policy.path=so101-act-models/`. ## Remarques - Les checkpoints intermédiaires (tous les 1 000 steps) existent toujours dans mes dépôts d'origine. Je peux les partager sur demande. - Correspondance avec les dépôts d'entraînement d'origine : - `assemblage` → `act_2026-11-05_10-47-50` - `long_pick_and_place_red` → `act_2026-11-04_13-10-36` - `pick_and_place_noise` → `act_2026-10-21_07-24-08` - `color` → `act_2026-10-20_21-21-40` - `pick_place_yellow` → `act_2026-10-20_13-51-35` - `triangle` → `act_2026-10-06_13-42-01`