candle-org/MindAct

解決的問題

MindAct 提供了一個標準化且可重現的框架，用於訓練和評估機器人桌面操作任務中的模仿學習策略。它消除了在使用不同資料集和模擬環境時，實驗追蹤和評估協定不一致的問題。

運作方式

該工具包採用基於協定的架構與最小介面卡介面，以整合 PyTorch、Hugging Face 的 LeRobot 資料集與策略，以及 LIBERO 模擬基準測試。它透過 YAML 設定和清單追蹤的資料溯源來管理實驗，確保結果能夠被重現。

適用對象

從事具身 AI 與機器人操作的研究人員和開發者，他們需要一種一致的方式來訓練策略，並對照標準化基準測試進行驗證。

特色

• 整合：原生支援 LeRobot 資料集/策略和 LIBERO 模擬。
• 可重現性：使用 YAML 設定和清單追蹤來記錄實驗的資料溯源。
• 型別安全：使用固定資料類別和執行時期協定建構，以確保穩定性。
• 彈性安裝：可選的依賴項允許使用者僅安裝他們需要的元件（例如，僅 PyTorch 或僅 LIBERO）。
• 產物管理：針對日誌、檢查點和結果實作了慣例的目錄結構。