ACT (تقطيع الإجراءات باستخدام المحولات)

ACT هو سياسة خفيفة وفعالة لتعلم التقليد، وهو مناسب بشكل خاص لمهام التلاعب الدقيقة. إنه النموذج الأول الذي نوصي به عند البدء مع LeRobot نظرًا لزمن تدريبه السريع، ومتطلباته الحسابية المنخفضة، وأداؤه القوي.

شاهد هذا الشرح التعليمي من فريق LeRobot لمعرفة كيفية عمل ACT: الشرح التعليمي الخاص بـ LeRobot ACT

نظرة عامة على النموذج

طُرِح تقطيع الإجراءات باستخدام نماذج التحويل (ACT) في ورقة Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware التي كتبها تشاو وآخرون. صُمِّم هذا النموذج لتمكين مهام التلاعب الدقيقة والغنية بالاتصال باستخدام أجهزة ميسورة التكلفة وبيانات عرض قليلة.

لماذا يُعد ACT رائعًا للمبتدئين

تتميز ACT كمنطلق ممتاز لعدة أسباب:

• التدريب السريع: يتم التدريب في بضع ساعات على وحدة معالجة رسومية واحدة
• خفيف الوزن: يحتوي على حوالي 80 مليون معامل فقط، مما يجعله فعالاً وسهل الاستخدام
• كفاءة في استخدام البيانات: غالبًا ما يحقق معدلات نجاح عالية باستخدام 50 مثالًا فقط

البنية

يستخدم ACT معمارية مبنية على التحويلات (transformer) وتتضمن ثلاثة مكونات رئيسية:

1. الهيكل البصري: يعالج ResNet-18 الصور من نقاط رؤية متعددة للكاميرات
2. مُشفِّر التحوّلات: يدمج المعلومات من ميزات الكاميرا ومواقع المفاصل ومتغير كامن مُتعلَّم
3. مفكك التحويل: يولّد تسلسلات إجراءات متماسكة باستخدام الانتباه المتقاطع

تستقبل السياسة المدخلات التالية:

• صور RGB متعددة (مثلًا، من كاميرات المعصم، كاميرات الأمام/الأعلى)
• مواضع مفاصل الروبوت الحالية
• متغير نمط كامن z (يتم تعلمه أثناء التدريب، ويُضبط إلى الصفر أثناء الاستدلال)

ويُخرج جزءًا من k تسلسلات الإجراءات المستقبلية.

متطلبات التثبيت

1. قم بتثبيت LeRobot باتباع دليل التثبيت الخاص بنا.
2. تُشمل ACT في تثبيت LeRobot الأساسي، لذا لا حاجة إلى أي تبعيات إضافية!

تدريب ACT

يعمل ACT بسلاسة مع خط أنابيب تدريب LeRobot القياسي. إليك مثالًا كاملًا لتدريب ACT على مجموعة بياناتك:

lerobot-train \
  --dataset.repo_id=${HF_USER}/your_dataset \
  --policy.type=act \
  --output_dir=outputs/train/act_your_dataset \
  --job_name=act_your_dataset \
  --policy.device=cuda \
  --trackio.enable=true \
  --policy.repo_id=${HF_USER}/act_policy

نصائح التدريب

1. ابدأ بالقيم الافتراضية: تعمل قيم المعلمات الفائقة الافتراضية في ACT بشكل جيد لمعظم المهام
2. مدة التدريب: يُتوقع أن تستغرق 100 ألف خطوة تدريب بضع ساعات على وحدة معالجة رسومية واحدة
3. حجم الدفعة: ابدأ بحجم دفعة 8 وعدّل بناءً على ذاكرة وحدة معالجة الرسوميات لديك

التدريب باستخدام Google Colab

إذا لم يكن جهازك المحلي مجهزة بوحدة معالجة رسومية قوية، يمكنك استخدام Google Colab لتدريب نموذجك من خلال اتباع دفتر تدريب ACT.

تقييم ACT

بمجرد اكتمال التدريب، يمكنك تقييم سياسة ACT الخاصة بك على روبوتك باستخدام lerobot-rollout. الأمر أدناه يشغّل السياسة لمدة 60 ثانية دون تسجيل أي شيء (يمكن تخطي --task في حالة ACT). راجع نشر السياسة لاستراتيجيات تسجّل حلقات التقييم.

lerobot-rollout \
  --strategy.type=base \
  --policy.path=${HF_USER}/act_policy \
  --robot.type=so101_follower \
  --robot.port=/dev/ttyACM0 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}}" \
  --display_data=true \
  --task="Your task description" \
  --duration=60