RL-postTrain / README.md
yangfy0627's picture
Index 20 verified complete RL archives: seed2 and ToolHang100 seed1
9dc84ca verified
|
Raw History Blame Contribute Delete
4.23 kB
metadata
language:
  - zh
tags:
  - robotics
  - reinforcement-learning
  - behavior-cloning
  - robomimic

RL-postTrain

Robomimic 的 study1 与 study2 实验产物仓库,以及 DexMimicGen 的 study1 BC。

Robomimic/
├── study1/
│   ├── Transport/
│   ├── ToolHang/
│   ├── Square/
│   └── Can/
└── study2/
    ├── Dice/
    │   ├── step1-vanilla/
    │   ├── step2-success_loss/
    │   └── step2-critic_ca/
    ├── OGPO/
    │   ├── step1-vanilla/
    │   ├── step2-success_loss/
    │   └── step2-critic_ca/
    ├── QC/
    │   ├── step1-vanilla/
    │   ├── step2-success_loss/
    │   └── step2-critic_ca/
    └── DSRL/
        ├── step1-vanilla/
        ├── step2-success_loss/
        └── step2-critic_ca/
DexMimicGen/
└── study1/
    ├── Threading/
    ├── DrawerCleanup/
    └── LiftTray/

目录按 study1 / study2 组织。已上传的 BC 权重见下方索引。

已完成的 BC

任务 数据组 Seed Epoch 最终50局成功率
ToolHang diverse50 1 3000 6/50 = 12%
ToolHang focused50 1 3000 6/50 = 12%
ToolHang mixed50 1 3000 5/50 = 10%
Transport diverse50 1 3000 30/50 = 60%
Transport focused50 1 3000 32/50 = 64%
Transport mixed50 1 3000 22/50 = 44%

完整配置和记录见 study1 索引。

DexMimicGen BC 最佳保存点

任务 / 数据组 最佳 epoch 窗口成功率(150局) 该 epoch 单次(50局) 选取时进度
Threading diverse100 1650 37.3% 38% 2045/3000(用户停止)
Threading mixed100 1400 34.0% 无(该 epoch 未评估) 2041/3000(用户停止)
DrawerCleanup diverse50 1750 68.7% 无(该 epoch 未评估) 1828/3000(用户停止)
DrawerCleanup mixed50 1150 72.0% 无(该 epoch 未评估) 1830/3000(用户停止)
LiftTray diverse50 700 49.3% 无(该 epoch 未评估) 1180/3000(用户停止)
LiftTray mixed50 850 40.7% 无(该 epoch 未评估) 1263/3000(用户停止)

见 DexMimicGen/study1。

纯视觉输入 BC(不渲染碰撞网格)

当前已定稿 9 项;本机训练的 9 项按用户决定(2026-10-27)统一使用 epoch 1400。状态、权重与 200 局评估见 visual_no_collision。请按 selected_after_joint_review 标记识别定稿权重;定稿不表示零过拟合或全局最优。旧版本均在各自 releases/ 下保留。

RL 完整产物

2026-10-29 批次:已上传并核验 20/20 个完整 run 归档;ToolHang50 不在本次范围内。所有已归档 run 均有真实 300 局终评,其中 3 个按零成功率规则提前结束,已保留状态标记。

完整保留的 run 目录包括 checkpoint、replay、offline buffer、配置、日志、评估、诊断和 W&B 文件,并附 BC、源码、数据清单、逐文件校验和恢复脚本。原始示范数据及渲染图像输入保留哈希引用。

查看 ToolHang100、Transport50 和 本批完整清单。