Descrição da linha de comando

Nota sobre a versão (importante, leia primeiro)

A partir do LeRobot 0.6.0, os modelos treinados precisam ser implantados com lerobot-rollout. A forma antiga lerobot-record --policy.path=... já foi removida na versão 0.5.2.

A primeira etapa deste tutorial instala o LeRobot com git clone, obtendo a versão mais recente do momento, portanto use as linhas de comando lerobot-rollout abaixo. Se você insistir em usar lerobot-record, o programa exibirá um erro direto e indicará que você mude para lerobot-rollout.

A divisão de funções entre os dois comandos é a seguinte:

• lerobot-record: responsável apenas por coletar dados de demonstração (é o que a etapa 7 usa); atualmente ele rejeita nomes de dataset que começam com eval_
• lerobot-rollout: responsável por implantar os modelos treinados, usando --strategy.type para escolher o modo de trabalho

Parâmetros da linha de comando do rollout

Parâmetro	Descrição
--strategy.type	Modo de trabalho. base apenas executa o modelo, sem gravar dados, para observar o efeito no local; episodic grava por episode e inclui uma fase de reset, com comportamento próximo ao do lerobot-record da versão antiga
--policy.path	Caminho do modelo, apontando para checkpoints/last/pretrained_model na saída do treinamento
--task	Descrição da tarefa, usada em conjunto com --strategy.type=base
--duration	Número de segundos de execução; 0 significa sem limite de tempo
--interactive	Adicione-o quando precisar assumir o controle no meio do processo; permite controlar no terminal com comandos como /stop e /reset
--display_data	Define se a interface de visualização do rerun.io é iniciada
--policy.device	Dispositivo de computação, como cuda e cpu

Descrição da linha de comando

Com visualização em tempo real: --display_data=true

Sem visualização em tempo real: --display_data=false

Quando --display_data=true, a interface de visualização do rerun.io é iniciada, mas no diretório /Users/tommy/.cache/huggingface/lerobot/rollout_lerobot_my_dataset_a/images/observation.images.front/episode-000000 a imagem de cada frame é salva, o que ocupa bastante espaço. Depois, pode ser definido como --display_data=false

Inferência de um modelo do Repo de modelos do HuggingFace: --policy.path=Tommymy/lerobot_my_model_a

Usando a tarefa de pegar laranjas como exemplo

• Inferência de um modelo local (com visualização em tempo real)

lerobot-rollout  \
  --strategy.type=episodic \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1920, height: 1080, fps: 60, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --display_data=true \
  --dataset.repo_id=Tommymy/rollout_lerobot_my_dataset_a \
  --dataset.single_task="Grab Oranges" \
  --dataset.episode_time_s=1000 \
  --policy.path=/Users/tommy/Downloads/7-lerobot/checkpoints/last/pretrained_model

• Inferência de um modelo local (sem visualização em tempo real)

lerobot-rollout  \
  --strategy.type=episodic \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1920, height: 1080, fps: 60, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --display_data=false \
  --dataset.repo_id=Tommymy/rollout_lerobot_my_dataset_a \
  --dataset.single_task="Grab Oranges" \
  --dataset.episode_time_s=1000 \
  --policy.path=/Users/tommy/Downloads/7-lerobot/checkpoints/last/pretrained_model

• Inferência de um modelo do Repo de modelos do HuggingFace

lerobot-rollout  \
  --strategy.type=episodic \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1920, height: 1080, fps: 60, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --display_data=true \
  --dataset.repo_id=Tommymy/rollout_lerobot_my_dataset_a \
  --dataset.single_task="Grab Oranges" \
  --policy.path=Tommymy/lerobot_my_model_a

Após a execução, o modelo será baixado