外观
microduck-flamingo-cycle
RemiFabre 在 Hugging Face 发布的机器人模型,架构为 MLP Actor-Critic Policy (RL Locomotion)。
模型RemiFabremicroduck-flamingo-cycle
模型档案汇总架构、许可、适配机型与资料来源
RemiFabre 在 Hugging Face 发布的机器人模型,架构为 MLP Actor-Critic Policy (RL Locomotion)。
这个模型的核心架构、动作空间设计与真机部署定位。
flamingo-cycle 是一个 Microduck policy sharing 格式的控制策略,用 13 维 command block 里的 twist 三个槽位控制单脚站立循环:flag=1 时按 side 选择支撑脚并抬起另一条腿,flag=0 时放下并回到双脚站立。side=+1 表示右脚支撑、左腿抬起,side=-1 表示左脚支撑、右腿抬起,抬脚前需先选择 side。
策略契约为 obs[1,61] f32 到 actions[1,14] f32,内置 normalizer,50 Hz,入口姿态为站立,动作目标围绕 HOME×1.0。仿真中可两侧使用同一网络,约 1.5 秒完成抬起或放下,可随时中断,能保持 10 秒以上;限制数据仅来自仿真,未在硬件上运行验证,向后 ≥0.18 m/s 推动会在 24 次随机试验中摔倒 2 次。
仓库包含 policy.onnx、manifest.json、media/preview.mp4 和 control.py。仿真运行需要训练仓库的 flamingo 分支;终端中 F 控制抬脚/放下,C 选择侧,P 施加随机推力,Q 退出。机器人端无需修改 daemon 代码,但需按文中配置才运行该策略。
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
暂未公开或待收录:微调显存需求
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
apache-2.0
权重许可证
apache-2.0
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download RemiFabre/microduck-flamingo-cycle --local-dir ./checkpoints/remifabre-microduck-flamingo-cycle
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=RemiFabre/microduck-flamingo-cycle模型卡或论文声明在这些机器人上训练、微调或部署过;口径是作者声明,不是第三方复现。
没有已核实的适配记录。
同一家族里的热门模型。
本页事实对应的公开页面,以原文为准。