--- 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。 ## 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)。 ## 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)。 ## 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。 ## 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)。