Hugging Face 数据集 ssmit203/assignment3_7:基于 LeRobot 的 SO-101 跟随臂操作数据
Hugging Face 上线数据集 ssmit203/assignment3_7,由 LeRobot 生成,机器人类型为 so101_follower,代码库版本 v2.1。该数据集含 30 条 episode、2058 帧、1 个任务,30 fps,动作与状态均为 6 维(肩部旋转/抬升、肘部、腕部弯曲/旋转、夹爪),另含 480×640 前置视频。
Hugging Face 上线数据集 ssmit203/assignment3_7,由 LeRobot 生成,机器人类型为 so101_follower,代码库版本 v2.1。该数据集含 30 条 episode、2058 帧、1 个任务,30 fps,动作与状态均为 6 维(肩部旋转/抬升、肘部、腕部弯曲/旋转、夹爪),另含 480×640 前置视频。
Hugging Face 上线 nakanakagawa/sponge_task_9_29_v4 数据集,由 LeRobot 生成,机器人类型为 so_follower,共 8 条 episode、3192 帧、1 个任务,帧率 20 fps,采用 codebase_version v3.0。
Hugging Face Hub 上线 Tridex/model_act_3cam_resnet_100K_29_09_v2,这是一个用 LeRobot 0.6.2 训练的 ACT 模仿学习策略,面向 so_follower 机器人,配 front、side、top 三路摄像头,输入 6 维状态、输出 6 维动作。
Hugging Face Hub 上出现一个用 LeRobot 训练并推送的 ACT(Action Chunking with Transformers)抓取放置策略,从遥操作数据中模仿学习,预测短动作块而非单步动作。该策略采用 apache-2.0 许可,可用 lerobot-train 从零训练、lerobot-record 配合 so100_follower 机器人做推理评估。
Hugging Face 上线数据集 jetsonmom/omx_yellow_bear_box_2cam,由 LeRobot 生成,机器人类型为 omx_follower,含 20 条 episode、7043 帧、40 段视频,30 fps,动作与状态均为 6 自由度。
Hugging Face 上线 so-arm101-stack-green 数据集,由 LeRobot 生成,采用 codebase_version v3.0,机器人类型为 so_follower。数据集含 40 条 episode、32712 帧、1 个任务,30 fps,记录 6 自由度关节位置与前置、腕部两路 480×640 视频,全部划为训练集。
Hugging Face 上发布 strands-isaaclab-ant-131k-policy,这是用 rsl_rl PPO 在 Isaac Lab 的 Isaac-Ant 任务上训练的机器人策略,训练规模达 131,072 个并行环境。
Hugging Face 上线 nakanakagawa/sponge_task_9_29 数据集,由 LeRobot 生成,采用 v3.0 代码库版本,机器人类型为 so_follower。数据集含 4 条 episode、1596 帧、1 个任务,20 FPS,动作与状态均为 6 维关节位置,配 cam_0、cam_1 两路 480×640 视频。
Hugging Face Hub 上线 pigProfessional/act_so101_stack_green,这是一个用 LeRobot 0.6.2 训练的 ACT 模仿学习策略,机器人类型为 so_follower,输入 6 维状态与前置、腕部两路 480×640 图像,输出 6 维动作。
Hugging Face Hub 上出现了一个用 LeRobot 训练的 ACT(Action Chunking with Transformers)模仿学习策略模型 lenawngr/ACT_SWITCH-2-bottom_half1_test,采用 apache-2.0 许可。
strands-robots 通过 isaaclab train_policy provider 在 Isaac Lab 中训练宇树 Go2 四足机器人 PPO 策略,4096 个并行环境、1500 次迭代、147M 环境步,在单张 NVIDIA L40S 上耗时 57 分 39 秒,速度跟踪成功率 0.98。
推荐理由:原文给出从 Isaac Lab 训练 PPO 策略到录制 LeRobot v3 数据集的完整命令与验证流程,可迁移到其他机器人任务。
cagataydev 在 Hugging Face 发布 strands-isaaclab-shadow-reorient-policy,这是用 strands-robots 的 isaaclab train_policy provider(PR #4227)训练的 rsl_rl PPO 策略,任务为 Isaac-Reorient-Cube-Shadow 手中方块重定向。
推荐理由:读者可据此了解用 strands 工具链在 Isaac Lab 中训练并导出 Shadow Hand 转方块策略的完整流程与实测指标。
Hugging Face Hub 上线 klinzw/pi05_autolife_fridge,这是基于 Physical Intelligence π₀.₅、用 LeRobot 0.6.0 微调并推送的视觉语言动作策略,机器人本体为 autolife_s1,执行“open fridge”和“close fridge”任务。
ayousanz 发布 JapaneseTinyAgentLM-Action-3M,一个 3,148,608 参数的 decoder-only Transformer,把日语短指令转成 look、set_expression、nod 三类动作的 JSON 数组,非指令或无法执行的请求返回空数组。
推荐理由:3.1M 参数模型在 ESP32-S3 上本地把日语指令转成动作 JSON,附完整评测与误差区间,可看端侧具身控制的可行边界。
Hugging Face 上线数据集 DanielJeongsooLee/seal-5comp-d9-20260923,样本含 sample_id、topology_hash、group_hash 等 64 位字符串字段,以及 duty、gamma、efficiency 等浮点列。
ArticuRiddle 是一个包含 100 个铰接物体的数据集,用于测试视觉外观与真实关节运动相矛盾时的操作能力。每个物体由 PartManip 训练资产经两类编辑生成:50 个移动或旋转把手使其暗示错误运动,50 个直接交换关节类型(如抽屉面板改为摆动、门改为滑动),外观保持不变。
Hugging Face 上线数据集 Sterzhang/video2skill-bench,页面仅保留“以开源和开放科学推进 AI 民主化”的使命说明,未披露数据规模、任务类型或评测指标等细节。
Hugging Face Hub 上线了基于 ACT(Action Chunking with Transformers)模仿学习方法的机器人策略 act_so101_pickplace_v9。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mining-no-cf-divl,这是一个基于父代冻结扩散 actor 与分布式 DIVL critic 的状态型智能体,训练步数 150001,含 5 个随机种子检查点。
Hugging Face 在 Mulligan 项目下发布基于状态的 IDQL 智能体检查点 sim-square-narrow-r03,采用扩散 actor 加标量 IQL critic,训练步数 150001,覆盖 5 个随机种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-divl 检查点,基于父代冻结扩散 actor 与分布式 DIVL critic,在 sim-square-narrow 任务训练至 150001 步,含 5 个随机种子。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-mining-no-cf-idql,这是一个基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,包含 policy.pt 和 stats.json 归一化器。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-repair-r3roll-idql,是基于状态的 IDQL 智能体,含扩散 actor 与标量 IQL critic,提供 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-repair-r3roll-divl 检查点,基于父代冻结扩散 actor 与分布式 DIVL critic,训练至 150001 步,含 5 个随机种子。
Mulligan 在 Hugging Face 发布基于状态的 IDQL 智能体 sim-square-narrow-r03-auto-plain-il-n1-idql,用于 sim-square-narrow 任务,包含 5 个随机种子、训练步数 150001 的 PyTorch 检查点。
Hugging Face 上的 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-success-bc-n32-idql,这是一个基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,任务为 sim-square-narrow,训练步数 150001,含 5 个随机种子检查点。
Hugging Face 上的 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-success-bc-n32-divl 检查点,这是一个基于状态的智能体,使用父级冻结扩散 actor 与分布式 DIVL critic,任务为 sim-square-narrow,训练步数 150001,含 5 个种子。
Hugging Face 上 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-n32-idql,这是一个基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,任务为 sim-square-narrow,属 R3 轮次。
Hugging Face 上线 mulligan/sim-square-narrow-r03-auto-iql-n32-divl 模型仓库。该条目名称显示其与 sim-square-narrow 任务、auto-iql 方法及 n32 配置相关,具体性能与训练细节尚未在页面中披露。
Hugging Face 上线了名为 mulligan/sim-square-narrow-r03-auto-filtered-bc-n1-idql 的模型仓库。该页面未披露模型架构、参数规模、训练数据或评测结果等具体信息,仅以推进开源开放科学为宗旨说明。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-mining-no-cf-idql,这是一个基于状态的 IDQL 智能体,由扩散 actor 与标量 IQL critic 组成,提供 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-mining-no-cf-divl,这是一个基于状态、使用父级冻结扩散 actor 与分布式 DIVL critic 的智能体,任务为 sim-square-narrow,训练步数 150001,含 1-5 共 5 个种子检查点。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02 的 IDQL 智能体检查点,采用扩散 actor 加标量 IQL critic,训练步数 150001,覆盖 5 个随机种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-idql,为基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,含 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-baseline-divl 基线智能体,用于 sim-square-narrow 任务,采用父级冻结扩散 actor 与分布式 DIVL critic,训练步数 150001,含 5 个随机种子检查点。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-baseline-divl,这是一个基于状态的智能体,使用父级冻结扩散 actor 与分布式 DIVL critic,任务为 sim-square-narrow,训练步数 150001。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-baseline-idql 基线检查点,为基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,含 policy.pt 和 stats.json。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-repair-no-r3roll-divl 检查点,基于父代冻结扩散 actor 与分布式 DIVL 评论家,训练步数 150001,含 1-5 共 5 个种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-repair-no-r3roll-idql 检查点,为基于状态的 IDQL 智能体,采用扩散 actor 加标量 IQL critic,含 policy.pt 与 stats.json 归一化文件。
Hugging Face 上发布了一个名为 krish5831/act_tissues_into_box 的 ACT 模仿学习策略,用 LeRobot 0.6.2 训练,可让 so_follower 机器人完成“把纸巾包放进盒子”的任务。