8. 机器人模型训练与评估（具身智能机器人套件）

1. 训练

使用python lerobot/scripts/train.py可以进行机器人控制模型训练，一般需要几个小时，可以在outputs/train/act_lekiwi_test/checkpoints查看锚点数据，下面为一组示例参数：

python lerobot/scripts/train.py \
  --dataset.repo_id=${HF_USER}/lekiwi_test \
  --policy.type=act \
  --output_dir=outputs/train/act_lekiwi_test \
  --job_name=act_lekiwi_test \
  --device=cuda \
  --wandb.enable=true

• 数据集参数：–dataset.repo_id=${HF_USER}/lekiwi_test
• 机器人配置：policy.type=act表示从 configuration_act.py 加载配置，数据集中记录了机器人的电机状态、电机动作和摄像头的数量。
• device=cuda表示在 Nvidia GPU 上训练，使用device=mps来在 Apple 芯片上训练。
• wandb.enable=true表示使用wandb.ai来可视化训练图，使用之前要使用wandb login先登录，这是 。

2. 评估训练模型

评估跟录制数据集是同一个方法（lerobot/scripts/control_robot.py），不过增加了锚点作为输入，下面命令可以用来录制10个评估数据集。

python lerobot/scripts/control_robot.py \
  --robot.type=lekiwi \
  --control.type=record \
  --control.fps=30 \
  --control.single_task="找到红色块，并捡起来" \
  --control.repo_id=${HF_USER}/eval_act_lekiwi_test \
  --control.tags='["tutorial"]' \
  --control.warmup_time_s=5 \
  --control.episode_time_s=30 \
  --control.reset_time_s=30 \
  --control.num_episodes=10 \
  --control.push_to_hub=true \
  --control.policy.path=outputs/train/act_lekiwi_test/checkpoints/last/pretrained_model

它与之前用于录制训练数据集的命令很像，有两点不同变化：

• 增加参数 control.policy.path 表示策略锚点的路径（–outputs/train/eval_act_lekiwi_test/checkpoints/last/pretrained_model）。如果您将模型锚点上传到hf，还可以使用模型库（${HF_USER}/act_lekiwi_test ）。
• 数据集的名称以eval开头，表示正在进行推理（${HF_USER}/eval_act_lekiwi_test ）。

具身开源套件部分课程如下，欢迎联系合作采购（全套开源）