ロボティクスモデルの精度向上の挑戦 〜データ拡張（Data Augmentation）編〜 - ABEJA Tech Blog

こんにちは！ABEJA で ABEJA Platform 開発を行っている坂井（@Yagami360）です。 先日の記事で、LeRobot で公開されているロボティクス領域の VLA モデル「π0」をファインチューニングした上で Gymnasium シミュレーター環境上で動かす方法を解説しました。 tech-blog.abeja.asia 前回の記事では、ただ単に公開されている学習用データセットでモデルをファインチューニングして推論させるだけの簡単な内容でしたが、今回はもう少し踏み込んでモデル自体の改善をやってみようと思います。 また前回はロボティクスモデルとして π0 モデルを動かしましたが、今回の記事では学習時間の都合上、より軽量なロボティクスモデルである「ACT」を使用してモデル改善を行います。 ACT [Action Chunking with Trasnformers] の詳細に

[sh19910711]

"推論時は学習時と違ってロボットからのカメラ画像がぼやけてしまう / 画像がぼやけた途端にうまく制御できていないことがわかる / 理想的な環境での Max 品質だけではなく汎化性能を含めて評価する"