コンテンツにスキップ

方策

状態:実機検証済み

実機検証済み Rakuda2の実機で,方策の推論と介入(policy,policy_teleop)を確かめています.非同期の推論,記録の再生,別processの方策は 模擬のみ です.

type: policy のcontrollerは,学習した方策の行動をfollowerの目標にします.方策は reset() と infer(observation) を持つobjectで,記録と同じ観測を受け取り,関節の絶対目標を返します.controllerは周期,補間,速度の制限,安全の検査を受け持ちます.

# nodes/policy.yaml(抜粋)
type: policy
followers: [follower]
factory: roboloom.policy:hold  # "module:callable"
observe: [camera]
rate_hz: 15
action_horizon: 8
uv run roboloom infer --seconds 20 --policy my_lab.policies:load

teleop: を書くと,episodeの前と途中にleaderで動かせます(teleopと介入).

対応する機体

機体 option 状態 設定例
Rakuda2 policy,policy_teleop 実機検証済み Rakuda2のcontroller
PiPER+Pika Gripper policy 開発中 PiPERのcontroller
自分のrobot 設定しだい 模擬のみ 自分のrobotを足す

詳しい説明

方策の書き方,LeRobotの方策,周期と補間,評価は 方策と推論 の章にあります.keyの一覧は 方策の設定 にあります.