HPT

用预训练Transformer统一异构机器人策略，提升泛化与训练效率

HPT（异构预训练Transformer）是一个将Transformer架构应用于机器人策略学习的开源项目，旨在解决机器人学习中的泛化性和可扩展性问题。它通过预训练一个异构Transformer模型，能够处理来自不同机器人形态、不同传感器配置和不同任务的多模态数据，并统一为通用的策略表示。核心能力包括：支持多种机器人本体（如机械臂、四足机器人等）的策略学习，利用大规模异构数据预训练提升样本效率和泛化能力，以及提供可扩展的策略微调机制。项目代码基于Python和PyTorch实现，包含模型定义、训练脚本和推理接口，为机器人学习和具身智能研究提供了一个基础框架。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 547
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队liruiw
所属国家
官网地址https://liruiw.github.io/hpt
GitHubhttps://github.com/liruiw/HPT
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型foundation-models,heterogeneity,hpt,policy,robotics
GitHub 星标★ 547
30天Star增速
HF 下载量
上线时间2024-04-11 00:00:00
最近更新2026-09-09 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7

使用教程

核心亮点

  • 提出异构预训练Transformer架构，能处理不同机器人形态和传感器配置，泛化性强
  • 预训练+微调范式，显著降低下游任务的数据需求，提升样本效率
  • 代码结构清晰，基于PyTorch，易于扩展和二次开发

不足之处

  • 项目处于早期阶段，文档和社区支持尚不完善
  • 依赖大规模异构数据预训练，个人开发者难以复现完整实验

适用场景

  • 多机器人本体策略学习与迁移
  • 机器人操作任务的预训练与快速微调
  • 具身智能研究中的通用策略基础模型

替代项目

RT-1 (Robotics Transformer)、BC-Z、Gato (DeepMind)

项目介绍

HPT 是开源模型领域的开源项目，由 liruiw 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 547。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-09。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：多机器人本体策略学习与迁移。同类可对比的替代方案包括 RT-1 (Robotics Transformer)、BC-Z、Gato (DeepMind)。

上一篇：LLM4TS

下一篇：HyperSIGMA

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10