第八步:模型推理——命令行说明

版本说明（重要，请先读）

从 LeRobot 0.6.0 开始，训练好的模型要用 lerobot-rollout 来部署。原来的 lerobot-record --policy.path=... 写法，在 0.5.2 版本就已经被移除了。

本教程第一步是用 git clone 安装 LeRobot 的，拿到的是当前最新版本，所以请使用下面 lerobot-rollout 的命令行。如果坚持用 lerobot-record，程序会直接报错，并提示你改用 lerobot-rollout。

两个命令的分工是这样的：

• lerobot-record：只负责采集示教数据（第六步用的就是它），它现在会拒绝 eval_ 开头的数据集名
• lerobot-rollout：负责部署训练好的模型，用 --strategy.type 选择工作方式

rollout 命令行参数

参数	说明
--strategy.type	工作方式。base 只跑模型、不录数据，用于现场看效果；episodic 按 episode 录制并带 reset 阶段，行为接近旧版的 lerobot-record
--policy.path	模型路径，指向训练输出里的 checkpoints/last/pretrained_model
--task	任务描述，配合 --strategy.type=base 使用
--duration	运行秒数，0 表示不限时
--interactive	需要中途接管时加上它，可在终端用 /stop、/reset 等命令控制
--display_data	是否启动 rerun.io 可视化界面
--policy.device	计算设备，比如 cuda、cpu

相机参数必须和采集时一致

下面所有命令里的 --robot.cameras 用的都是 1280×720@30，这是和示教采集数据集统一过的值。部署时必须沿用采集时的分辨率、fps 和宽高比：分辨率会写进数据集元数据并参与校验，不一致会直接报错；即便侥幸通过，视野不同也会让模型"看到的世界"和你示教时不一样，效果会明显变差。

关于可视化

--display_data=true 会启动 rerun.io 的可视化界面，同时在 /Users/<你的用户名>/.cache/huggingface/lerobot/rollout_lerobot_my_dataset_a/images/observation.images.front/episode-000000 目录下保存每一帧的图片，比较占空间，正式使用时可以设成 --display_data=false。

以抓橘子任务为例

• 现场评估（带实时可视化）

lerobot-rollout  \
  --strategy.type=base \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1280, height: 720, fps: 30, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --policy.path=/Users/<你的用户名>/Downloads/7-lerobot/checkpoints/last/pretrained_model \
  --task="Grab Oranges" \
  --duration=60 \
  --display_data=true

• 现场评估（不带实时可视化）

lerobot-rollout  \
  --strategy.type=base \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1280, height: 720, fps: 30, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --policy.path=/Users/<你的用户名>/Downloads/7-lerobot/checkpoints/last/pretrained_model \
  --task="Grab Oranges" \
  --duration=60 \
  --display_data=false

• 推理 HuggingFace 模型 Repo 上的模型

lerobot-rollout  \
  --strategy.type=base \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1280, height: 720, fps: 30, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --policy.path=<你的用户名>/lerobot_my_model_a \
  --task="Grab Oranges" \
  --duration=60 \
  --display_data=true

运行后会下载模型

• 评估并录制数据（--strategy.type=episodic）

想边跑边把过程录成数据集，就把 base 换成 episodic。这个模式下不写 --task，改用 --dataset.single_task，并且必须给出 --dataset.repo_id：

lerobot-rollout  \
  --strategy.type=episodic \
  --robot.type=so101_follower \
  --robot.port=/dev/tty.usbmodem5AAF2193061 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1280, height: 720, fps: 30, fourcc: "MJPG"}}" \
  --robot.id=my_follower_arm \
  --policy.path=/Users/<你的用户名>/Downloads/7-lerobot/checkpoints/last/pretrained_model \
  --dataset.repo_id=<你的用户名>/rollout_lerobot_my_dataset_a \
  --dataset.num_episodes=10 \
  --dataset.single_task="Grab Oranges" \
  --display_data=false

相关产品

SO-ARM101 开发套件→