ACT Policy: SO-ARM101 Candy Basket Delivery
モデル概要
SO-ARM101 ロボットアームが飴ちゃん入りカゴを掴んでユーザーの元へ運ぶ動作を、模倣学習で獲得したモデルです。エンジニアの疲労を検知する空間AIシステムの一部として、疲労度が閾値を超えた際に自動で飴ちゃんを配達します。
ベースモデル
- アルゴリズム: ACT (Action Chunking with Transformers)
- Vision Backbone: ResNet18 (ImageNet pretrained)
- パラメータ数: 52M (51,597,190)
- フレームワーク: LeRobot v0.4.4
学習方法
- 手法: 模倣学習（Imitation Learning）— テレオペレーションで収集した人間のデモンストレーションを教師データとして学習
- ファインチューニング: なし（スクラッチから学習）
- VAE: 有効（use_vae=True, kl_weight=10.0）
学習パラメータ
| パラメータ | 値 |
|---|---|
| ステップ数 | 100,000 |
| バッチサイズ | 16 |
| 学習率 | 1e-05 |
| オプティマイザ | AdamW (weight_decay=0.0001) |
| chunk_size | 100 |
| n_action_steps | 100 |
| latent_dim | 32 |
| dim_model | 512 |
| n_encoder_layers | 4 |
| n_decoder_layers | 1 |
| n_heads | 8 |
| vision_backbone | resnet18 |
| 最終 loss | 0.031 |
使用データ
- データセット: himorishige/so101_candy_basket
- エピソード数: 50
- フレーム数: 29,186
- 収集方法: 人間によるテレオペレーション（リーダー・フォロワー構成）
- カメラ: 2台（俯瞰 + グリッパー）、640×480、30fps
想定ユースケース
- SO-ARM101 ロボットアームによるオブジェクト運搬タスク
- 疲労検知システムと連携した飴ちゃん自動配達デモ
- 模倣学習（ACT）の実験・研究
非推奨ユースケース
- 安全が求められる産業用途での直接利用（本モデルはハッカソンデモ用）
- SO-ARM101 以外のロボットハードウェアでの利用（キャリブレーションが異なる）
性能・評価
| 指標 | 値 |
|---|---|
| 最終 training loss | 0.031 |
| 推論FPS（CUDA） | 30Hz |
推論FPSは学習時FPS（30Hz）と一致させることが成功率に直結します。
推論方法
必要環境
- Python >= 3.12
- CUDA 対応 GPU
- SO-ARM101 ロボットアーム（フォロワー）
- USB カメラ 2台（俯瞰 + グリッパー）
インストール
pip install "lerobot[feetech]>=0.4.4"
実行
lerobot-record \
--robot.type=so101_follower \
--robot.port=/dev/ttyACM0 \
--robot.cameras='{ "front": {"type": "opencv", "index_or_path": 2, "width": 640, "height": 480, "fps": 30}, "wrist": {"type": "opencv", "index_or_path": 0, "width": 640, "height": 480, "fps": 30} }' \
--policy.path=himorishige/act_so101_candy_basket \
--dataset.repo_id=himorishige/eval_so101_candy_basket \
--dataset.fps=30 \
--dataset.num_episodes=1 \
--dataset.push_to_hub=false \
--dataset.single_task="Pick up candy basket and deliver it"
制約・限界
- 学習データは特定の机配置・照明条件で収集されたため、大きく異なる環境では性能が低下する可能性があります
- カゴの形状・サイズが学習時と異なると掴み動作が失敗する可能性があります
- 推論FPSが学習時FPS（30Hz）を下回ると成功率が著しく低下します
ライセンス
Apache-2.0
引用情報
本モデルは関西電力KOI×VOLTMIND 生成AIハッカソン（2026年3月）にて Team NANIWA-Factory が開発しました。
- Downloads last month
- -