actnoise50 — action Gaussian + 成功デモのみ · Full FT

MimicGen 風に、OSC retrack 時の action に Gaussian を載せ、 open-loop 成功したデモだけ学習に使う実験。2026-10-16 評価完了。
stategauss（proprio だけ嘘）ではなく、実行・記録した action 自体にノイズ → 画像 / state / action は一致。

結論: closed-loop 成功率は 0% (0/50)。 near は 50/50 だが grasp 2 / lift·transport·place_near 各 1。 成功デモ＋action noise でも掴み以降で落ちる → 現行の長い scripted 軌道上では不十分、という線が強い。

1. 学習条件

robot / taskSawyer · LIBERO object task0（alphabet soup → basket）
デモ生成ik_set live → delta_osc retrack · path_step=0.008 · --require-open-loop
action noisexyz σ=0.05 · ori σ=0.02（正規化 [-1,1]）· gripper なし · copies=3 · clean なし
データlibero_sawyer_scripted_obj0_osc_v8_actnoise50（open-loop 成功 111本から先頭 50 本）
デモの成否学習 50 本すべて open_loop_ok · passed/lifted/placed · noise>0
initpi05_libero_pytorch
学習Full FT · steps=10000 · NPROC=1 × BS=2（実効 BS=2 · GPU空きのため）· lr peak≈5e-5
stategaussなし（デモ側の action noise のみ）
完了学習 2026-10-15 03:40 · 評価 2026-10-16 08:08

2. 推論条件

方式closed-loop（観測 → ポリシー → action）。デモ再生ではない
初期配置標準 eval · init 0–49（学習デモの init 集合とは別）
trials / seed50 · seed=7
max_steps1200（env_horizon=1260）· 20 Hz · home_w30
評価時ノイズなし
ckpt.../actnoise50_a0.05_effbs2/10000

3. 結果

条件成功率 neargrasplifttransportplace_near
actnoise50 · Full FT · 10k · 標準 eval 0% (0/50) 50/502/501/501/501/50

参考: clean50 Full FT（noise=0）も 0%。stategauss 5mm のみ標準 eval で 2%。

4. 学習曲線

train log から抽出（wandb なし）。loss は低下。

actnoise50 training loss curve
steps 0–10000 · final loss ≈ 0.036 · 成功率は 0% のまま

5. デモ動画（学習データ）

open-loop 成功・action noise 付きの学習デモ（parquet 画像から書き出し）。いずれもタスク成功軌道。

demo ep0 · init0 · act* · open-loop OK
demo ep1 · init1 · act* · open-loop OK
demo ep2 · init2 · act* · open-loop OK

6. 推論動画（closed-loop）

標準 init 0–49。success 0本のため、ファイルサイズが大きい（比較的長く動いた）例を掲載。

infer · ep19 init19 · near まで · success なし
infer · ep13 init13 · near まで · success なし
infer · ep6 init6 · near まで · success なし
infer · ep0 init0 · 代表例

7. メモ