|
Download README.md from yangfy0627/RL-postTrain: direct link, hf CLI and curl.
- Browser
- Download file 4.23 kB
-
https://huggingface.co/yangfy0627/RL-postTrain/resolve/main/README.md
- Command line
-
hf download hf://yangfy0627/RL-postTrain/README.md
-
curl -L -o README.md https://huggingface.co/yangfy0627/RL-postTrain/resolve/main/README.md
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) |
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。