Hugging Face's logo

iantc104
/
RND-RPL-UR5-PegInsert-v0

Robotics
Safetensors
rpl
model_hub_mixin
pytorch_model_hub_mixin
rnd
Model card Files
xet
Community
RND-RPL-UR5-PegInsert-v0
File size: 3,028 Bytes
f8ab39c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
 
resume: false
device: cuda
use_amp: false
seed: 1000
dataset_repo_id: iantc104/RPL-UR5-PegInsert-Mimic-v0
video_backend: pyav
training:
  offline_steps: 50000
  num_workers: 16
  batch_size: 64
  eval_freq: ???
  log_freq: 100
  save_checkpoint: true
  save_freq: 10000
  online_steps: ???
  online_rollout_n_episodes: 1
  online_rollout_batch_size: 1
  online_steps_between_rollouts: 1
  online_sampling_ratio: 0.5
  online_env_seed: null
  online_buffer_capacity: null
  online_buffer_seed_size: 0
  do_online_rollout_async: false
  image_transforms:
    enable: false
    max_num_transforms: 3
    random_order: false
    brightness:
      weight: 1
      min_max:
      - 0.8
      - 1.2
    contrast:
      weight: 1
      min_max:
      - 0.8
      - 1.2
    saturation:
      weight: 1
      min_max:
      - 0.5
      - 1.5
    hue:
      weight: 1
      min_max:
      - -0.05
      - 0.05
    sharpness:
      weight: 1
      min_max:
      - 0.8
      - 1.2
  lr: 1.0e-05
  lr_backbone: 1.0e-05
  weight_decay: 0.0001
  grad_clip_norm: 10
  delta_timestamps:
    observation.environment_state:
    - -0.9666666666666667
    - -0.9333333333333333
    - -0.9
    - -0.8666666666666667
    - -0.8333333333333334
    - -0.8
    - -0.7666666666666667
    - -0.7333333333333333
    - -0.7
    - -0.6666666666666666
    - -0.6333333333333333
    - -0.6
    - -0.5666666666666667
    - -0.5333333333333333
    - -0.5
    - -0.4666666666666667
    - -0.43333333333333335
    - -0.4
    - -0.36666666666666664
    - -0.3333333333333333
    - -0.3
    - -0.26666666666666666
    - -0.23333333333333334
    - -0.2
    - -0.16666666666666666
    - -0.13333333333333333
    - -0.1
    - -0.06666666666666667
    - -0.03333333333333333
    - 0.0
    observation.state:
    - -0.9666666666666667
    - -0.9333333333333333
    - -0.9
    - -0.8666666666666667
    - -0.8333333333333334
    - -0.8
    - -0.7666666666666667
    - -0.7333333333333333
    - -0.7
    - -0.6666666666666666
    - -0.6333333333333333
    - -0.6
    - -0.5666666666666667
    - -0.5333333333333333
    - -0.5
    - -0.4666666666666667
    - -0.43333333333333335
    - -0.4
    - -0.36666666666666664
    - -0.3333333333333333
    - -0.3
    - -0.26666666666666666
    - -0.23333333333333334
    - -0.2
    - -0.16666666666666666
    - -0.13333333333333333
    - -0.1
    - -0.06666666666666667
    - -0.03333333333333333
    - 0.0
eval:
  n_episodes: 1
  batch_size: 1
  use_async_envs: false
wandb:
  enable: true
  disable_artifact: false
  project: rpl_sim
  notes: ''
fps: 30
env:
  name: real_world
  task: null
  state_dim: 16
  action_dim: 10
  fps: ${fps}
policy:
  name: rnd
  n_obs_steps: 30
  input_shapes:
    observation.environment_state:
    - 18
    observation.state:
    - 16
  input_normalization_modes:
    observation.environment_state: mean_std
    observation.state: mean_std
  predictor_dims: 256
  n_predictor_layers: 4
  predictor_activation: ReLU
  dim_target: 256
  n_target_layers: 3
  target_activation: ReLU
  dim_output: 256