---
license: apache-2.0
base_model: openpi/pi0.5  # 按实际基础 checkpoint 填写
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：

```bash
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](https://github.com/Physical-Intelligence/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`