# diffusion_pusht_keypoints

> 权威词条地址：https://robotics.hellobike.com/models/lerobot-diffusion-pusht-keypoints
> 所属分类：models | 最近核验日期：2024-07-11 | 技术层级：L7, L8

## 核心摘要

lerobot 在 Hugging Face 发布的机器人模型，架构为 Diffusion Policy (CNN / Transformer UNet)，参数规模 249M，训练数据包含 lerobot/pusht_keypoints。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/lerobot/diffusion_pusht_keypoints"}] |
| `updated` | 2024-07-11 |
| `vendor` | hugging-face |
| `family` | policy |
| `params` | 249M |
| `architecture` | Diffusion Policy (CNN / Transformer UNet) |
| `action_representation` | 连续扩散去噪轨迹 (Diffusion Action Trajectory) |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["lerobot/pusht_keypoints"] |
| `status` | research |
| `hub_id` | lerobot/diffusion_pusht_keypoints |
| `hub_stats` | {"downloads": 236, "likes": 2, "as_of": "2026-10-27"} |
| `overview_sources` | ["https://huggingface.co/lerobot/diffusion_pusht_keypoints"] |

## 技术详解与生态说明

这是一个用于 gym-pusht 中 `PushT` 环境的 Diffusion Policy 视觉运动策略模型，使用 keypoint-only observations。它基于“Diffusion Policy: Visuomotor Policy Learning via Action Diffusion”的动作扩散思路，用于在 PushT 任务中生成控制动作。

该实现没有采用原始工作中 keypoints-only 的 inpainting 条件方式，而是将观测与 agent position 一起编码，并把编码结果作为 denoising U-Net 的全局条件。模型使用 LeRobot 的训练脚本和 `pusht_keypoints` 数据集训练，训练版本为 LeRobot@cc2f6e7，在 Nvida RTX H100 上约训练 5 小时。

模型在 gym-pusht 的 `PushT` 环境中评估；500 个 episode 上，Average max. overlap ratio 为 0.97，Success rate 为 71.0%。可通过 `python lerobot/scripts/eval.py -p lerobot/diffusion_pusht` 进行 50 个 episode 的评估，输出写入 `outputs/eval`。

## 原始核验来源 (Sources)

- [Hugging Face lerobot/diffusion_pusht_keypoints](https://huggingface.co/lerobot/diffusion_pusht_keypoints)