candle-org/MindAct

解決する課題

MindActは、ロボットによるデスクトップ操作タスクで使用される模倣学習ポリシーのトレーニングと評価のための、標準化された再現可能なフレームワークを提供します。異なるデータセットやシミュレーション環境で作業する際の、実験追跡と評価プロトコルの不整合を解消します。

仕組み

このツールキットは、最小限のアダプターインターフェースを備えたプロトコルベースのアーキテクチャを使用して、PyTorch、Hugging FaceのLeRobotデータセットとポリシー、およびLIBEROシミュレーションベンチマークを統合します。YAML構成とマニフェストで追跡されたプロベナンスを介して実験を管理し、結果を再現できるようにします。

対象者

標準化されたベンチマークに対してポリシーをトレーニングし、検証するための一貫した方法を必要とする、身体知能AIやロボット操作に取り組む研究者や開発者。

ハイライト

• 統合：LeRobotデータセット/ポリシーとLIBEROシミュレーションをネイティブでサポート。
• 再現性：実験のプロベナンスのためにYAML構成とマニフェスト追跡を使用。
• 型安全性：安定性のためにfrozen dataclassとランタイムプロトコルで構築。
• 柔軟なインストール：オプションの依存関係により、ユーザーは必要なコンポーネント（例：PyTorchのみ、またはLIBEROのみ）のみをインストール可能。
• アーティファクト管理：ログ、チェックポイント、および結果のための規則的なディレクトリ構造を実装。