| resume: false | |
| device: cuda | |
| use_amp: false | |
| seed: 1000 | |
| dataset_repo_id: iantc104/RPL-UR5-PegInsert-Mimic-v0 | |
| video_backend: pyav | |
| training: | |
| offline_steps: 50000 | |
| num_workers: 16 | |
| batch_size: 64 | |
| eval_freq: ??? | |
| log_freq: 100 | |
| save_checkpoint: true | |
| save_freq: 10000 | |
| online_steps: ??? | |
| online_rollout_n_episodes: 1 | |
| online_rollout_batch_size: 1 | |
| online_steps_between_rollouts: 1 | |
| online_sampling_ratio: 0.5 | |
| online_env_seed: null | |
| online_buffer_capacity: null | |
| online_buffer_seed_size: 0 | |
| do_online_rollout_async: false | |
| image_transforms: | |
| enable: false | |
| max_num_transforms: 3 | |
| random_order: false | |
| brightness: | |
| weight: 1 | |
| min_max: | |
| - 0.8 | |
| - 1.2 | |
| contrast: | |
| weight: 1 | |
| min_max: | |
| - 0.8 | |
| - 1.2 | |
| saturation: | |
| weight: 1 | |
| min_max: | |
| - 0.5 | |
| - 1.5 | |
| hue: | |
| weight: 1 | |
| min_max: | |
| - -0.05 | |
| - 0.05 | |
| sharpness: | |
| weight: 1 | |
| min_max: | |
| - 0.8 | |
| - 1.2 | |
| lr: 1.0e-05 | |
| lr_backbone: 1.0e-05 | |
| weight_decay: 0.0001 | |
| grad_clip_norm: 10 | |
| delta_timestamps: | |
| observation.environment_state: | |
| - -0.9666666666666667 | |
| - -0.9333333333333333 | |
| - -0.9 | |
| - -0.8666666666666667 | |
| - -0.8333333333333334 | |
| - -0.8 | |
| - -0.7666666666666667 | |
| - -0.7333333333333333 | |
| - -0.7 | |
| - -0.6666666666666666 | |
| - -0.6333333333333333 | |
| - -0.6 | |
| - -0.5666666666666667 | |
| - -0.5333333333333333 | |
| - -0.5 | |
| - -0.4666666666666667 | |
| - -0.43333333333333335 | |
| - -0.4 | |
| - -0.36666666666666664 | |
| - -0.3333333333333333 | |
| - -0.3 | |
| - -0.26666666666666666 | |
| - -0.23333333333333334 | |
| - -0.2 | |
| - -0.16666666666666666 | |
| - -0.13333333333333333 | |
| - -0.1 | |
| - -0.06666666666666667 | |
| - -0.03333333333333333 | |
| - 0.0 | |
| observation.state: | |
| - -0.9666666666666667 | |
| - -0.9333333333333333 | |
| - -0.9 | |
| - -0.8666666666666667 | |
| - -0.8333333333333334 | |
| - -0.8 | |
| - -0.7666666666666667 | |
| - -0.7333333333333333 | |
| - -0.7 | |
| - -0.6666666666666666 | |
| - -0.6333333333333333 | |
| - -0.6 | |
| - -0.5666666666666667 | |
| - -0.5333333333333333 | |
| - -0.5 | |
| - -0.4666666666666667 | |
| - -0.43333333333333335 | |
| - -0.4 | |
| - -0.36666666666666664 | |
| - -0.3333333333333333 | |
| - -0.3 | |
| - -0.26666666666666666 | |
| - -0.23333333333333334 | |
| - -0.2 | |
| - -0.16666666666666666 | |
| - -0.13333333333333333 | |
| - -0.1 | |
| - -0.06666666666666667 | |
| - -0.03333333333333333 | |
| - 0.0 | |
| eval: | |
| n_episodes: 1 | |
| batch_size: 1 | |
| use_async_envs: false | |
| wandb: | |
| enable: true | |
| disable_artifact: false | |
| project: rpl_sim | |
| notes: '' | |
| fps: 30 | |
| env: | |
| name: real_world | |
| task: null | |
| state_dim: 16 | |
| action_dim: 10 | |
| fps: ${fps} | |
| policy: | |
| name: rnd | |
| n_obs_steps: 30 | |
| input_shapes: | |
| observation.environment_state: | |
| - 18 | |
| observation.state: | |
| - 16 | |
| input_normalization_modes: | |
| observation.environment_state: mean_std | |
| observation.state: mean_std | |
| predictor_dims: 256 | |
| n_predictor_layers: 4 | |
| predictor_activation: ReLU | |
| dim_target: 256 | |
| n_target_layers: 3 | |
| target_activation: ReLU | |
| dim_output: 256 | |