metadata
license: apache-2.0
base_model: openpi/pi0.5
tags:
- robotics
- imitation-learning
- manipulation
- advantage-estimator
- stage-advantage
- kai0
pipeline_tag: reinforcement-learning
χ₀ (kai0) — Advantage Estimator（价值模型）
本仓库发布 Advantage Estimator（π₀.₅ 价值模型变体）权重，用于 Advantage-Weighted Behavior Cloning（AWBC） 与 阶段分割（Stage Segmentation）。
仅含模型权重（
model.safetensors+metadata.pt）。不含训练优化器状态optimizer.pt。
文件清单
| 路径 | 说明 |
|---|---|
adv-flatten-fold-run16/model.safetensors |
模型权重（~7.5 GB，PyTorch safetensors） |
adv-flatten-fold-run16/metadata.pt |
训练元信息（config / exp_name / 训练步数 / 超参数） |
训练时保存的
optimizer.pt（~13.5 GB）为优化器状态，未随本仓库发布，对推理无影响。
模型信息
| 项 | 值 |
|---|---|
| 模型类型 | Advantage Estimator（π₀.₅ 变体，仅保留价值/进度回归头） |
| 基于 | π₀.₅ 基础 checkpoint（见 metadata.pt / pytorch_weight_path） |
| 训练步数 | 20000 |
| 训练损失 | loss_value_weight=1.0，loss_action_weight=0.0（禁用动作损失） |
| 归一化 | skip_norm_stats=True（价值模型不依赖 norm_stats） |
| 输出 | 每帧 absolute_value（0~1 累计进度） |
| Config | ADVANTAGE_TORCH_KAI0_FLATTEN_FOLD_FULL_FINETUNE_MIX_02 |
| exp_name | full_finetune_460_run_16 |
用途
AWBC 训练
价值模型预测每帧优势，经 stage_advantage/annotation/gt_label.py 离散化为正/负标签
写入 task_index / tasks.jsonl，再用于 Advantage-Weighted Behavior Cloning
（prompt_from_task=True）。
阶段分割
absolute_value（0~1 累计进度）可把任务切成 K 个阶段，用于 subtask 级别成功判定与评估。
使用方式
推理侧将 ckpt_dir 指向本权重目录、ckpt_steps=20000（编辑
stage_advantage/annotation/eval.py 的 MODELS_CONFIG_MAP），然后：
uv run python stage_advantage/annotation/eval.py Task-A KAI0 /path/to/dataset
评估（阶段分割，Fold Box，K=16，100 episodes，seed=42）
| 指标 | 值 |
|---|---|
| Frame Accuracy | 51.0%（±12.2%） |
| Stage IoU | 48.1% |
| Boundary MAE | 60.1 帧（~2.0 s） |
| Boundary Acc @±30f | 66.8% |
| Boundary Acc @±50f | 77.7% |
版本说明
adv-flatten-fold-run16/（本仓库，推荐）：full_finetune_460_run_16，报告所用。- 早期版本
run_15（full_finetune_460_run_15）权重不同，暂未随本仓库发布，请勿混用。
出处与许可
- 项目：χ₀ (kai0) —— 双臂衣物操作模仿学习框架（基于 openpi）
- 上游许可：Apache-2.0（本项目）；PaliGemma 相关组件见
LICENSE_GEMMA.txt（Gemma Terms of Use） - 关联资源：代码见开源仓库；策略模型见
OpenDriveLab-org/Kai0