candle-org/MindAct

해결하는 문제

MindAct는 로봇 데스크탑 조작 작업에 사용되는 모방 학습 정책을 훈련하고 평가하기 위한 표준화되고 재현 가능한 프레임워크를 제공합니다. 서로 다른 데이터셋과 시뮬레이션 환경으로 작업할 때 실험 추적 및 평가 프로토콜의 불일치를 해소합니다.

작동 방식

이 툴킷은 최소한의 어댑터 인터페이스를 갖춘 프로토콜 기반 아키텍처를 사용하여 PyTorch, Hugging Face의 LeRobot 데이터셋 및 정책, 그리고 LIBERO 시뮬레이션 벤치마크를 통합합니다. YAML 구성과 매니페스트 추적을 통한 데이터 출처를 통해 실험을 관리하여 결과를 재현할 수 있도록 보장합니다.

대상 사용자

표준화된 벤치마크에 대해 정책을 훈련하고 검증할 일관된 방법이 필요한, 물리적 AI 및 로봇 조작을 연구하는 연구원 및 개발자.

주요 기능

• 통합: LeRobot 데이터셋/정책 및 LIBERO 시뮬레이션에 대한 네이티브 지원.
• 재현성: 실험 출처를 위해 YAML 구성 및 매니페스트 추적을 사용.
• 타입 안전성: 안정성을 위해 고정된 데이터 클래스와 런타임 프로토콜로 구축됨.
• 유연한 설치: 선택적 종속성을 통해 사용자는 필요한 구성 요소(예: PyTorch만 또는 LIBERO만)만 설치 가능.
• 아티팩트 관리: 로그, 체크포인트 및 결과를 위한 관례적인 디렉토리 구조를 구현.