config.yaml

resume: false
device: cuda
use_amp: false
seed: 100000
dataset_repo_id: hellorobotinc/kitchen_cabinet_diagonal
video_backend: pyav
training:
  offline_steps: 200000
  online_steps: 0
  online_steps_between_rollouts: 1
  online_sampling_ratio: 0.5
  online_env_seed: ???
  eval_freq: -1
  log_freq: 250
  save_checkpoint: true
  save_freq: 10000
  num_workers: 16
  batch_size: 64
  image_transforms:
    enable: true
    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
  grad_clip_norm: 10
  lr: 0.0001
  lr_scheduler: cosine
  lr_warmup_steps: 500
  adam_betas:
  - 0.95
  - 0.999
  adam_eps: 1.0e-08
  adam_weight_decay: 1.0e-06
  delta_timestamps:
    observation.images.gripper:
    - -0.16666666666666666
    - 0.0
    observation.images.head:
    - -0.16666666666666666
    - 0.0
    observation.state:
    - -0.16666666666666666
    - 0.0
    action:
    - -0.16666666666666666
    - 0.0
    - 0.16666666666666666
    - 0.3333333333333333
    - 0.5
    - 0.6666666666666666
    - 0.8333333333333334
    - 1.0
    - 1.1666666666666667
    - 1.3333333333333333
    - 1.5
    - 1.6666666666666667
    - 1.8333333333333333
    - 2.0
    - 2.1666666666666665
    - 2.3333333333333335
  drop_n_last_frames: 7
eval:
  n_episodes: 50
  batch_size: 50
  use_async_envs: false
wandb:
  enable: true
  disable_artifact: true
  project: diffusion-kitchen-diagonal
  notes: no depth
fps: 6
env:
  name: stretch_real
  task: stretch_baseX
  state_dim: 9
  action_dim: 9
  fps: ${fps}
  episode_length: 400
  gym:
    fps: ${fps}
repo_version: main
override_dataset_stats:
  observation.images.gripper:
    mean:
    - - - 0.485
    - - - 0.456
    - - - 0.406
    std:
    - - - 0.229
    - - - 0.224
    - - - 0.225
  observation.images.head:
    mean:
    - - - 0.485
    - - - 0.456
    - - - 0.406
    std:
    - - - 0.229
    - - - 0.224
    - - - 0.225
policy:
  name: diffusion
  n_obs_steps: 2
  horizon: 16
  n_action_steps: 8
  input_shapes:
    observation.images.gripper:
    - 3
    - 320
    - 320
    observation.images.head:
    - 3
    - 320
    - 320
    observation.state:
    - ${env.state_dim}
  output_shapes:
    action:
    - ${env.action_dim}
  input_normalization_modes:
    observation.images.gripper: mean_std
    observation.images.head: mean_std
    observation.state: min_max
  output_normalization_modes:
    action: min_max
  vision_backbone: resnet18
  crop_shape:
  - 320
  - 320
  crop_is_random: false
  pretrained_backbone_weights: null
  use_group_norm: true
  spatial_softmax_num_keypoints: 32
  down_dims:
  - 512
  - 1024
  - 2048
  kernel_size: 5
  n_groups: 8
  diffusion_step_embed_dim: 128
  use_film_scale_modulation: true
  noise_scheduler_type: DDPM
  num_train_timesteps: 100
  beta_schedule: squaredcos_cap_v2
  beta_start: 0.0001
  beta_end: 0.02
  prediction_type: epsilon
  clip_sample: true
  clip_sample_range: 1.0
  num_inference_steps: 100
  do_mask_loss_for_padding: false