robotcatch_3hands_residualPPO_viewer

The package contains inference-only policy weights and observation statistics. It contains no optimizer state, training buffers, logs, or local filesystem paths.

MuJoCo上の3指ロボットキャッチ動作を、KF Baseと学習済みResidual PPOで 同一飛来条件から比較できるWindows向けViewerです。

詳しい導入方法と比較条件は README_JA.md を参照してください。

比較結果

Controller	Success rate
v63 Residual PPO	53.6%
KF Base	27.0%

改善量は+26.6ポイントです。0～30度を各100試行、合計700試行で評価しています。

起動

conda env create -f environment.yml
conda activate rb2-v63-viewer
RUN_COMPARE.cmd

Policyだけを連続再生する場合は RUN_VIEWER.cmd を使います。 比較Viewerは同じ目標点、入射角、方位角、flight time、reset seed、観測ノイズで Base→Policyの順に再生し、成功例だけを選別しません。

License

MIT License。詳細は LICENSE を参照してください。