6 · 訓練と推論
前へ: 05 データセットの記録次へ: 07 トラブルシューティング
訓練はデータセットをポリシーにします——カメラ画像を関節位置に写像するモデルです。推論はそのポリシーをフォロワーアームで実行します。
訓練
Training タブを開き、選びます：
| 選択項目 | 備考 |
|---|---|
| Dataset | ローカルのデータセット、または Hub 上のもの |
| Policy type | 単腕では通常 ACT が最初の選択です。Diffusion Policy、SmolVLA、π₀ ファミリーも利用できます |
| Where to run | このマシン、または Hugging Face のクラウドジョブ |
| Training length | ステップ数。多ければ良いと決めつけず loss を注視します |
タブは訓練ログを配信し、チェックポイントが書かれた順に表示します。
ローカルかクラウドか
| ローカル | Hugging Face クラウドジョブ | |
|---|---|---|
| 必要なもの | このマシンの GPU | アクセス権のある Hugging Face アカウント |
| 速度 | あなたの GPU 次第 | ジョブごとに選ぶ固定マシン |
| 向いている用途 | 小規模データセット、試行 | 長時間の実行 |
クラウドの選択肢があるからこそ、ワークフローの残りはノート PC で足ります——ローカルで記録し、リモートで訓練します。
ポリシーの追加要素
一部のポリシータイプは、LeLab がデフォルトでインストールしない依存関係を必要とします。選ぶとインストールを促されるので、承諾してバックグラウンドインストールが終わるのを待ってからジョブを開始してください。同じ仕組みが任意の訓練用追加要素にも当てはまります。
チェックポイント
訓練はチェックポイントを最後だけでなく定期的に書き込むので、中断された実行でも使えるモデルが残ります。各チェックポイント名にはそのステップ番号が含まれます。loss が上昇し始めたら、より早いものを試してください。
推論
Inference タブを開きます：
- 両アームが接続されキャリブレーション済みであることを確認します。
- ポリシーを選びます——ローカルのチェックポイント、または Hub 上のモデル。
- カメラとその rotation を確認します。
- 推論を開始し、作業空間を片づけます。
カメラの rotation と割り当て
記録時と同じ rotation を使ってください。 よく訓練されたポリシーが実機で何の役にも立たない最も一般的な原因で、しかも何も警告してくれません：0° と 180° は同じ画像寸法を生みます。
カメラの割り当てにも同じことが言えます。記録時に wrist と呼ばれていたカメラが今は別の物理カメラなら、ポリシーは間違った画像を見ています。
それらがすべて正しくてもアームが機能しないなら、もう一度データセットを見てください——5 ページを参照。
介入
アームに手を伸ばす前に推論を停止します。手で加えた修正は、新しいエピソードを記録して再訓練しない限り訓練信号にはなりません。
リプレイ
リプレイは記録済みのエピソードをフォロワーアームで再実行します。記録した関節位置を再生するので、ポリシーが悪くても正しく見えます——これはハードウェアとデータセットを確認するもので、ポリシーを確認するものではありません。ポリシーが何をするかは推論で見てください。
次へ: 07 トラブルシューティング