Upload README.md with huggingface_hub

README.md

@@ -12,28 +12,42 @@ pipeline_tag: robotics
 
 Politique **ACT** pour le bras SO-101, entrainee par apprentissage par imitation.
 
-Ce depot est un **fine-tuning** de la base [`Zouzouw/act_fusion`](https://huggingface.co/Zouzouw/act_fusion),
-affinee sur [`Zouzouw/dataset_3cube3couleur`](https://huggingface.co/datasets/Zouzouw/dataset_3cube3couleur).
+Fine-tuning de [`Zouzouw/act_fusion`](https://huggingface.co/Zouzouw/act_fusion)
+sur [`Zouzouw/dataset_3cube3couleur`](https://huggingface.co/datasets/Zouzouw/dataset_3cube3couleur).
 
 | | |
 |---|---|
-| Base | `Zouzouw/act_fusion` (entrainee sur `Zouzouw/fusion`) |
+| Base | `Zouzouw/act_fusion` — ACT entrainee sur `Zouzouw/fusion` (319 episodes) |
 | Dataset de fine-tuning | `Zouzouw/dataset_3cube3couleur` (96 episodes) |
 | **Learning rate** | **1e-05** |
-| Checkpoint | etape 150 000 |
+| Checkpoints | **200 000** (racine) et 150 000 (sous-dossier `150000/`) |
 | Politique | ACT |
 
+> **C'est le modele le plus performant du projet a ce jour** — le checkpoint a l'etape 200 000, celui servi a la racine de ce depot.
+
 ## La tache
 
 Attraper trois cubes — vert, puis rouge, puis noir — et poser chacun sur la croix
 de sa couleur, dans cet ordre.
 
-## Pourquoi deux fine-tunes
+## Le learning rate, et pourquoi il y a deux depots
+
+`act_fusion_ft1` et `act_fusion_ft2` sont **le meme fine-tuning a deux learning rates**,
+pour trouver le bon equilibre :
+
+| Depot | Learning rate | |
+|---|---|---|
+| [`act_fusion_ft1`](https://huggingface.co/Zouzouw/act_fusion_ft1) | **1e-05** | le plus performant a ce jour |
+| [`act_fusion_ft2`](https://huggingface.co/Zouzouw/act_fusion_ft2) | **1e-06** | plus prudent, se specialise moins |
+
+Le *learning rate* regle **la vitesse a laquelle le modele revise ce qu'il sait**.
+Trop eleve, il oublie la base et ne garde que la nouvelle tache. Trop faible, il ne
+se specialise pas et reste sur son comportement general. La recherche du bon reglage
+n'est pas terminee : d'autres valeurs restent a essayer, en repartant de la base,
+qui inclut l'etat de l'optimiseur.
 
-`act_fusion_ft1` et `act_fusion_ft2` sont le meme entrainement a deux **learning rates**
-differents (1e-06 pour l'autre), pour chercher le bon equilibre : trop eleve, le modele
-oublie ce qu'il savait deja ; trop faible, il ne se specialise pas. Les comparer
-**sur le robot**, pas seulement sur les courbes.
+**Comparez sur le robot, pas seulement sur les courbes d'entrainement.** Une courbe
+de perte qui descend bien ne garantit pas un meilleur geste.
 
 ## Utilisation
 
@@ -41,6 +55,5 @@ oublie ce qu'il savait deja ; trop faible, il ne se specialise pas. Les comparer
 lerobot-rollout --policy.path=Zouzouw/act_fusion_ft1 --robot.type=so101_follower ...
 ```
 
-Contenu : les poids seuls (`pretrained_model/`), suffisants pour l'inference.
-Pour reprendre l'entrainement, partir de la base `Zouzouw/act_fusion`, qui inclut
-l'etat de l'optimiseur.
+Contenu : les poids seuls, suffisants pour l'inference. Pour relancer un entrainement,
+partir de [`Zouzouw/act_fusion`](https://huggingface.co/Zouzouw/act_fusion).