6 · Treinar e executar inferência
Anterior: 05 Gravar um datasetPróximo: 07 Solução de problemas
O treinamento transforma o dataset em uma policy — um modelo que mapeia imagens de câmera para posições de juntas. A inferência executa essa policy no braço follower.
Treinar
Abra a aba Training e escolha:
| Escolha | Observações |
|---|---|
| Dataset | Um dataset local, ou um do Hub |
| Tipo de policy | ACT costuma ser a primeira escolha para um único braço. Diffusion Policy, SmolVLA e a família π₀ também estão disponíveis |
| Onde executar | Esta máquina, ou um job na nuvem da Hugging Face |
| Duração do treinamento | Número de passos. Acompanhe a loss em vez de presumir que mais é melhor |
A aba transmite o log de treinamento e mostra os checkpoints conforme são gravados.
Local ou nuvem
| Local | Job na nuvem da Hugging Face | |
|---|---|---|
| Precisa | De uma GPU nesta máquina | De uma conta da Hugging Face com acesso |
| Velocidade | Depende da sua GPU | Máquina fixa, escolhida por job |
| Melhor para | Datasets pequenos, experimentação | Execuções mais longas |
A opção de nuvem é o motivo pelo qual um notebook basta para o resto do fluxo de trabalho: gravar localmente, treinar remotamente.
Extras de policy
Alguns tipos de policy precisam de dependências que o LeLab não instala por padrão. Selecionar um deles pede que você as instale — aceite e espere a instalação em segundo plano terminar antes de iniciar o job. O mesmo mecanismo cobre extras opcionais de treinamento.
Checkpoints
O treinamento grava checkpoints periodicamente, não só no fim, então uma execução interrompida ainda deixa um modelo utilizável. O nome de cada checkpoint carrega o número do passo. Experimente um mais antigo se a loss começou a subir.
Inferência
Abra a aba Inference:
- Confirme que os dois braços estão conectados e calibrados.
- Selecione a policy — um checkpoint local, ou um modelo do Hub.
- Confirme as câmeras e sua rotação.
- Inicie a inferência e limpe a área de trabalho.
Rotação e associação da câmera
Use a mesma rotação da gravação. Este é o motivo mais comum de uma policy bem treinada não fazer nada de útil no robô real, e nada avisa: 0° e 180° produzem dimensões de imagem idênticas.
O mesmo vale para a associação da câmera. Se a câmera chamada wrist durante a gravação agora é uma câmera física diferente, a policy vê a imagem errada.
Se tudo isso estiver certo e o braço ainda falhar, olhe o dataset de novo — veja a página 5.
Intervenções
Pare a inferência antes de estender a mão para o braço. Uma correção que você faz na mão não é sinal de treinamento, a menos que você grave um novo episódio e retreine.
Replay
O replay reexecuta um episódio gravado no braço follower. Ele reproduz as posições de junta gravadas, então parece correto mesmo se a policy for ruim — ele verifica o hardware e o dataset, não a policy. Use a inferência para ver o que a policy faz.
Próximo: 07 Solução de problemas