階段六:模型部署(Linux)

本階段載入訓練好的策略，讓機器人自主執行任務，並錄製評估影片驗證效果。這是整個流程的收尾，也是檢驗訓練成果的關鍵。

---

前置條件

• 已完成 階段五：模型訓練

• 訓練產出 outputs/train/soarm_amazing_hand_pick/checkpoints/last/pretrained_model/

• 相機索引已記錄

---

步驟 1：確認模型檔案

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

應包含 model.safetensors 等模型檔案。

⚠️ 注意（模型路徑）：--policy.path 必須指向 pretrained_model 目錄（含配置 + 權重），不是 checkpoint 根目錄。

---

步驟 2：部署評估

lerobot-rollout \
  --strategy.type=episodic \
  --robot.type=so101_amazing_hand \
  --robot.port=<從動臂串口> \
  --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

將 <從動臂串口> / <手串口> 替換為實際路徑；相機 index_or_path 替換為你的相機索引。

💡 說明：使用 lerobot-rollout 但不加 ****--teleop.type，策略將自主控制機器人（替代人工遙操作）。數據儲存為評估集。--dataset.root / --dataset.push_to_hub=false 與階段四一致，純本地儲存無需 HF 登入。

---

評估操作

1. 將機器人 + 手復位到起始位置

2. 按 Enter 開始：策略自主執行任務

3. 觀察是否成功抓取（每輪結束按 Enter 繼續）

4. 重複 num_episodes 輪

評估指標：成功率 = 成功輪數 / 總輪數

⚠️ 注意 1（復位一致性）：每輪從相同起始位開始，否則策略泛化失敗，成功率會虛低。

⚠️ 注意 2（安全）：首次自主執行建議手扶/慢速觀察，確認策略動作合理。策略可能做出意外動作。

⚠️ 注意 3（成功率預期）：ACT 在 20 輪數據上通常 50-80% 成功率。若低於預期，回去補錄數據或調訓練步數。

⚠️ 注意 4（無頭環境）：--display_data=true 需要顯示伺服器；無 GUI 時去掉該參數（評估仍進行，只是不實時顯示）。

---

迭代優化

若評估成功率不理想，按優先級調整：

優先級	優化項	操作
1	補錄高質素數據	回 階段四，加錄 20-30 輪更一致的數據
2	增加訓練步數	回 階段五，--steps=100000
3	檢查起始位一致	評估時每輪嚴格復位
4	調整任務描述	確保 single_task 與任務一致

---

至此完成 SO-ARM101 + AmazingHand 的完整閉環：標定 → 遙操作 → 採集 → 訓練 → 部署。

---

故障排查

現象	原因	解決
模型載入失敗	路徑錯/不完整	確認 --policy.path 指向 pretrained_model 目錄
策略不動	相機/觀測錯	確認相機索引與訓練時一致；檢查 /dev/video* 權限
策略亂動	起始位不一致/數據差	嚴格復位；補錄數據
與訓練時表現不符	環境差異	確認相機、光照、物體位置與錄製時一致

相關產品

SO-ARM101 開發套件→AmazingHand 開源 4 指靈巧手→