Upload RoboTwin ACT model artifacts

README.md

@@ -0,0 +1,76 @@
+---
+language:
+- zh
+tags:
+- robotwin
+- embodied-ai
+- robotics
+- bimanual-manipulation
+- imitation-learning
+- act
+- pytorch
+library_name: pytorch
+license: other
+---
+
+# RoboTwin ACT on beat_block_hammer demo_clean-50
+
+这是一次基于 RoboTwin 官方代码仓库的单任务具身智能闭环实验模型产物。
+
+- 平台版本：RoboTwin `main`
+- 上游提交：`958a6d2910a0262f5531fcdeb7fffae4184bb586`
+- 任务：`beat_block_hammer`
+- 数据配置：`demo_clean`
+- 专家轨迹数：`50`
+- 策略：`ACT`
+
+## 仓库内容
+
+- `policy_best.ckpt`
+- `policy_last.ckpt`
+- `dataset_stats.pkl`
+- 训练曲线图
+- `results.json`
+
+## 实验设置
+
+- 数据来源：RoboTwin 官方 `collect_data.sh` 流程生成的 `demo_clean 50` 专家轨迹
+- 预处理：RoboTwin 官方 ACT `process_data.sh`
+- 训练脚本：RoboTwin 官方 ACT `train.sh`
+- 训练参数：
+  - `batch_size=8`
+  - `num_epochs=6000`
+  - `chunk_size=50`
+  - `hidden_dim=512`
+  - `dim_feedforward=3200`
+  - `seed=0`
+
+## 核心结果
+
+- 同分布评测 `demo_clean -> demo_clean`：`0.64`
+- 跨配置评测 `demo_clean -> demo_randomized`：`0.0`
+
+## 工程心得
+
+这次实验最有价值的地方，不是单独得到一个 checkpoint，而是完整跑通了具身智能中的环境、专家、数据、模型、部署、评测闭环：
+
+1. RoboTwin 环境程序化定义任务与成功条件。
+2. 官方专家程序自动生成并筛选成功轨迹。
+3. 原始多模态数据落盘为 raw HDF5 / video / instruction / trajectory。
+4. ACT 预处理把采集格式转换为训练格式。
+5. 模型通过离线模仿学习吸收专家行为。
+6. 学到的策略重新部署回环境接受正式评测。
+
+从结果上看，ACT 已经学会了 clean 条件下的单任务执行模式，但对 randomized 环境几乎没有泛化能力。这正对应 RoboTwin 2.0 的研究动机：仅在干净分布上成功并不等于策略具有稳健性，强 domain randomization 和更高质量、更大规模的数据生成仍然是核心问题。
+
+## 学术上下文
+
+这个实验对应的是 RoboTwin 研究体系中的下游策略学习部分：
+
+- RoboTwin 1.0 强调数字孪生 benchmark 对双臂操作的价值。
+- RoboTwin 2.0 强调可扩展数据生成和强 domain randomization。
+- 本仓库展示的是在 `beat_block_hammer` 上完成的单任务闭环复现。
+
+## 引用
+
+如果你使用了这些模型产物，请同时引用 RoboTwin 官方论文与代码仓库。

dataset_stats.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7b26364dca716d4d9d2a61b078e114bb45c87d78afe787be912db41041599d72
+size 7978

policy_best.ckpt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:227de6626335707f2b8e7f71c26265e809068e77bed64c223cc79ed6db286592
+size 335907442

policy_last.ckpt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9685d4ecba5b895e3824bd1e1162287cc296b02c1a0b9a1ae280f606cb22e437
+size 335907442

results.json

@@ -0,0 +1,27 @@
+{
+  "platform": "RoboTwin",
+  "upstream_commit": "958a6d2910a0262f5531fcdeb7fffae4184bb586",
+  "task_name": "beat_block_hammer",
+  "task_config": "demo_clean",
+  "policy": "ACT",
+  "expert_trajectories": 50,
+  "train_seed": 0,
+  "train_batch_size": 8,
+  "train_num_epochs": 6000,
+  "evaluation": {
+    "same_distribution": {
+      "task_config": "demo_clean",
+      "ckpt_setting": "demo_clean",
+      "success_rate": 0.64,
+      "instruction_type": "unseen",
+      "timestamp": "2026-04-22 18:14:41"
+    },
+    "cross_configuration": {
+      "task_config": "demo_randomized",
+      "ckpt_setting": "demo_clean",
+      "success_rate": 0.0,
+      "instruction_type": "unseen",
+      "timestamp": "2026-04-22 19:45:55"
+    }
+  }
+}