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
---
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。
```text
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/
```
```text
DexMimicGen/
└── study1/
├── Threading/
├── DrawerCleanup/
└── LiftTray/
```
目录按 study1 / study2 组织。已上传的 BC 权重见下方索引。
<!-- completed-bc:start -->
## 已完成的 BC
| 任务 | 数据组 | Seed | Epoch | 最终50局成功率 |
|---|---|---|---|---|
| ToolHang | [diverse50](Robomimic/study1/ToolHang/diverse50/seed_1/) | 1 | 3000 | 6/50 = 12% |
| ToolHang | [focused50](Robomimic/study1/ToolHang/focused50/seed_1/) | 1 | 3000 | 6/50 = 12% |
| ToolHang | [mixed50](Robomimic/study1/ToolHang/mixed50/seed_1/) | 1 | 3000 | 5/50 = 10% |
| Transport | [diverse50](Robomimic/study1/Transport/diverse50/seed_1/) | 1 | 3000 | 30/50 = 60% |
| Transport | [focused50](Robomimic/study1/Transport/focused50/seed_1/) | 1 | 3000 | 32/50 = 64% |
| Transport | [mixed50](Robomimic/study1/Transport/mixed50/seed_1/) | 1 | 3000 | 22/50 = 44% |
完整配置和记录见 [study1 索引](Robomimic/study1/README.md)。
<!-- completed-bc:end -->
<!-- dmg-best-bc:start -->
## 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](DexMimicGen/study1/Threading/diverse100/seed_1/) | 1650 | 37.3% | 38% | 2045/3000(用户停止) |
| Threading [mixed100](DexMimicGen/study1/Threading/mixed100/seed_1/) | 1400 | 34.0% | 无(该 epoch 未评估) | 2041/3000(用户停止) |
| DrawerCleanup [diverse50](DexMimicGen/study1/DrawerCleanup/diverse50/seed_1/) | 1750 | 68.7% | 无(该 epoch 未评估) | 1828/3000(用户停止) |
| DrawerCleanup [mixed50](DexMimicGen/study1/DrawerCleanup/mixed50/seed_1/) | 1150 | 72.0% | 无(该 epoch 未评估) | 1830/3000(用户停止) |
| LiftTray [diverse50](DexMimicGen/study1/LiftTray/diverse50/seed_1/) | 700 | 49.3% | 无(该 epoch 未评估) | 1180/3000(用户停止) |
| LiftTray [mixed50](DexMimicGen/study1/LiftTray/mixed50/seed_1/) | 850 | 40.7% | 无(该 epoch 未评估) | 1263/3000(用户停止) |
见 [DexMimicGen/study1](DexMimicGen/study1/README.md)。
<!-- dmg-best-bc:end -->
<!-- visual-no-collision-bc:start -->
## 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](visual_no_collision/README.md)。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。
<!-- visual-no-collision-bc:end -->
<!-- full-rl-artifacts:start -->
## 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](RL/ToolHang100/README.md)、[Transport50](RL/Transport50/README.md) 和 [本批完整清单](RL/full_artifacts_20261029.json)。
<!-- full-rl-artifacts:end -->