阶段六:模型部署(Linux)

本阶段加载训练好的策略，让机器人自主执行任务，并录制评估视频验证效果。这是整个流程的收尾，也是检验训练成果的关键。

---

前置条件

• 已完成 阶段五：模型训练

• 训练产出 outputs/train/soarm_amazing_hand_pick/checkpoints/last/pretrained_model/

• 相机索引已记录

---

步骤 1：确认模型文件

ls outputs/train/soarm_amazing_hand_pick/checkpoints/last/pretrained_model

应包含 model.safetensors 等模型文件。

⚠️ 注意（模型路径）：--policy.path 必须指向 pretrained_model 目录（含配置 + 权重），不是 checkpoint 根目录。

---

步骤 2：部署评估

lerobot-rollout \
  --strategy.type=episodic \
  --robot.type=so101_amazing_hand \
  --robot.port=<从动臂串口> \
  --robot.hand_port=<手串口> \
  --robot.id=amazing_hand_follower \
  --robot.cameras='{
    wrist: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30, fourcc: "MJPG"},
    top: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30, fourcc: "MJPG"}
  }' \
  --policy.path=outputs/train/soarm_amazing_hand_pick/checkpoints/last/pretrained_model \
  --dataset.repo_id=rollout_soarm_amazing_hand_pick_eval \
  --dataset.root=~/lerobot_data \
  --dataset.push_to_hub=false \
  --dataset.num_episodes=10 \
  --dataset.single_task="Pick up the cube with the dexterous hand" \
  --display_data=true

将 <从动臂串口> / <手串口> 替换为实际路径；相机 index_or_path 替换为你的相机索引。

💡 说明：使用 lerobot-rollout 但不加 ****--teleop.type，策略将自主控制机器人（替代人工遥操作）。数据保存为评估集。--dataset.root / --dataset.push_to_hub=false 与阶段四一致，纯本地保存无需 HF 登录。

---

评估操作

1. 将机器人 + 手复位到起始位置

2. 按 Enter 开始：策略自主执行任务

3. 观察是否成功抓取（每轮结束按 Enter 继续）

4. 重复 num_episodes 轮

评估指标：成功率 = 成功轮数 / 总轮数

⚠️ 注意 1（复位一致性）：每轮从相同起始位开始，否则策略泛化失败，成功率会虚低。

⚠️ 注意 2（安全）：首次自主运行建议手扶/慢速观察，确认策略动作合理。策略可能做出意外动作。

⚠️ 注意 3（成功率预期）：ACT 在 20 轮数据上通常 50-80% 成功率。若低于预期，回去补录数据或调训练步数。

⚠️ 注意 4（无头环境）：--display_data=true 需要显示服务器；无 GUI 时去掉该参数（评估仍进行，只是不实时显示）。

---

迭代优化

若评估成功率不理想，按优先级调整：

优先级	优化项	操作
1	补录高质量数据	回 阶段四，加录 20-30 轮更一致的数据
2	增加训练步数	回 阶段五，--steps=100000
3	检查起始位一致	评估时每轮严格复位
4	调整任务描述	确保 single_task 与任务一致

---

至此完成 SO-ARM101 + AmazingHand 的完整闭环：标定 → 遥操作 → 采集 → 训练 → 部署。

---

故障排查

现象	原因	解决
模型加载失败	路径错/不完整	确认 --policy.path 指向 pretrained_model 目录
策略不动	相机/观测错	确认相机索引与训练时一致；检查 /dev/video* 权限
策略乱动	起始位不一致/数据差	严格复位；补录数据
与训练时表现不符	环境差异	确认相机、光照、物体位置与录制时一致

相关产品

SO-ARM101 开发套件→AmazingHand 开源 4 指灵巧手→