“No warmup”只表示 learning-rate warmup 为 0；本模型仍然使用 EMA，并使用 cosine learning-rate decay。

数据

start_* 和 goal_* 是物体坐标；observation.state 是实际测得的末端轨迹。duration 存在 environment state 的第 7 个值中。

Held-out 评估

评估使用 6 个 test episodes，位置误差单位为米：

sampler	candidates	ADE	FDE	orientation error	gripper accuracy
NFE=1	1	5.62 cm	1.49 cm	4.32°	95.96%
NFE=1	8	4.47 cm	0.85 cm	4.18°	97.01%
NFE=5	8	3.81 cm	1.30 cm	4.68°	97.33%
NFE=10	8	3.87 cm	1.29 cm	4.82°	97.66%

这里的 candidate selection 使用离线轨迹评分，不代表机器人在线一定能选到同样的候选。FDE 也不能替代 cube 接近和夹取阶段的局部误差检查。

下载模型目录后，至少同时读取：

text

checkpoint_best.pt
config.json
normalization.json

仓库中的 checkpoint 是项目自定义 .pt 格式，应使用本项目的 imf_training 推理脚本，不要直接交给 lerobot-train 或当作 ACT policy 加载。

训练数据只有一个物体起点和三个物体终点，不能证明对任意新位置的泛化。真实 Franka 执行前必须进行碰撞、workspace、速度、加速度、末端接近和夹爪同步检查。