作業ログ · 教師 · ボディストレート
作業ログ: シャドウクローン:ムエタイの4つの技を並行して学ぶ
教師:奥の手のボディストレート
学習コスト 約$4.01vast.ai でレンタルした RTX 5090 6台、2026年10月24日 · 学習ラン4回、マシン6台、約5.7マシン時間
私のモーションキャプチャ(Muay Thai 02、take_02、29.25–30.70 s)から作った、奥の手でボディに打つストレートで、狙う高さは下腹部とみぞおちの2つです。opponent_body 環境で技を一つだけ教える教師で、押下はすべてボディストレート、ほかの技はすべて親が保持します。
| ラン | 親 | 変更点 | 結果 | マシン時間、コスト |
|---|---|---|---|---|
| bodycross1 | guard14-45.9M | 技とその入力 | 42.5 M で停止:下腹部より下を打った | 0.61 h、$0.41 |
| bodycross2 | bodycross1 42.5 M | 下腹部より下には決して行かない(床のライン) | バッグの配置のため 30.3 M で停止 | 0.51 h、$0.34 |
| bodycross3 | bodycross2 30.3 M | バッグの表面を参照モーションのインパクト位置に | 95.0 M を採用:57/64、ローブローなし、転倒なし | 2.07 h、$1.38 |
| bodycross4 | bodycross3 | 元の(遅い)肘で再学習、パンチ以外は guard18 | 118.0 M を採用:23/24、ローブローなし、転倒なし | 2.57 h(3台)、$1.89 |
bodycross3 は guard14 にあった速い肘で学習していました。guard18 の元の肘を持つ生徒に蒸留すると、外れました。2/16 で、下腹部で 16–19 cm 足りませんでした。そこで生徒の体に合わせて教師を学習し直し(bodycross4)、こちらを distill2 に組み込みました。
教訓:教師は、教えることになる生徒と同じ体、同じアクチュエータで学習させなければなりません。
すべてのラン
kakuto-mlのラン記録から作成しています。各ランのマシン、課金された時間とコストです(EC2のランはランのログからの推定値です)。
| ラン | 結果 | マシン | 時間 | コスト |
|---|---|---|---|---|
bodycross4-2026102410月24日 · ボディストレート · 採用 bodycross4-118.0M | 採用 | 3 | 2.6 | $1.89 |
bodycross3-2026102410月24日 · ボディストレート · 採用 bodycross3-95.0M | 採用 | 1 | 2.1 | $1.38 |
bodycross2-2026102410月24日 · ボディストレート · 採用 bodycross2-30.3M | 採用 | 1 | 0.5 | $0.34 |
bodycross1-2026102410月24日 · ボディストレート · 採用 bodycross1-42.5M | 採用 | 1 | 0.6 | $0.41 |
| 学習ラン4回 | 6 | 5.7 | $4.01 |