Diffusion Policy算法复现

简介

Diffusion Policy 可以理解为扩散模型在机器人控制中的应用，能够结合模仿学习，通过观察人类专家的演示来学习策略。本文初步带领部署以及使用Diffusion Policy进行模拟PushT任务。

环境配置

1.安装anaconda
2.在anaconda下赞装mamba
conda install mamba -n base -c conda-forge
3.接下来按照代码中readme文件一步一步配置就可以了

安装依赖

sudo apt install -y libosmesa6-dev libgl1-mesa-glx libglfw3 patchelf

创建环境

这里需要创建一个叫做robodiff的conda环境，创建过程耗时非常长，需要耐心等待。可以通过htop等软件监视内存变化以判断程序是否正常进行。
mamba env create -f conda_environment.yaml
教程同样给了一条备选方案，通过conda进行安装。作者这里使用该指令爆内存，请使用mamba并耐心等待。
conda env create -f conda_environment.yaml

安装wandb

pip install wandb

PushT demo运行

在主文件夹下，创建data文件夹

mkdir data && cd data

下载PushT数据集

wget https://diffusion-policy.cs.columbia.edu/data/training/pusht.zip

解压数据集

unzip pusht.zip && cd ..

下载PushT的模型配置文件

wget -O image_pusht_diffusion_policy_cnn.yaml https://diffusion-policy.cs.columbia.edu/data/experiments/image/pusht/diffusion_policy_cnn/config.yaml

运行评估指令

• 设置环境变量：
  export HYDRA_FULL_ERROR=1

• 运行指令：
  python eval.py --checkpoint data/0550-test_mean_score=0.969.ckpt --output_dir data/pusht_eval_output

• 产生报错：

ImportError: Error loading 'diffusion_policy.workspace.train_diffusion_unet_lowdim_workspace.TrainDiffusionUnetLowdimWorkspace':
ImportError("cannot import name 'cached_download' from 'huggingface_hub' (/home/kyle/anaconda3/envs/robodiff/lib/python3.9/site-packages/huggingface_hub/__init__.py)")

• 解决方案

pip install huggingface_hub==0.25.2

• 再次运行

python eval.py --checkpoint data/0550-test_mean_score=0.969.ckpt --output_dir data/pusht_eval_output --device cuda:0
Output path data/pusht_eval_output already exists! Overwrite? [y/N]: y
pygame 2.1.2 (SDL 2.0.16, Python 3.9.18)
Hello from the pygame community. https://www.pygame.org/contribute.html
Eval PushtKeypointsRunner 1/1:  16%|█████                           | 48/300 [00:16<01:26,  2.93it/s]

运行结果