第八步:推論命令列說明

版本說明（重要，請先讀）

從 LeRobot 0.6.0 開始，訓練好的模型要用 lerobot-rollout 來部署。原來的 lerobot-record --policy.path=... 寫法，在 0.5.2 版本就已經被移除了。

本教程第一步是用 git clone 安裝 LeRobot 的，拿到的是當前最新版本，所以請使用下面 lerobot-rollout 的命令列。如果堅持用 lerobot-record，程式會直接報錯，並提示你改用 lerobot-rollout。

兩個命令的分工是這樣的：

• lerobot-record：只負責採集示教數據（第六步用的就是它），它現在會拒絕 eval_ 開頭的數據集名
• lerobot-rollout：負責部署訓練好的模型，用 --strategy.type 選擇工作方式

rollout 命令列參數

參數	說明
--strategy.type	工作方式。base 只跑模型、不錄數據，用於現場看效果；episodic 按 episode 錄製並帶 reset 階段，行為接近舊版的 lerobot-record
--policy.path	模型路徑，指向訓練輸出裡的 checkpoints/last/pretrained_model
--task	任務描述，配合 --strategy.type=base 使用
--duration	執行秒數，0 表示不限時
--interactive	需要中途接管時加上它，可在終端用 /stop、/reset 等命令控制
--display_data	是否啟動 rerun.io 可視化介面
--policy.device	計算裝置，比如 cuda、cpu

相機參數必須和採集時一致

下面所有命令裡的 --robot.cameras 用的都是 1280×720@30，這是和示教採集數據集統一過的值。部署時必須沿用採集時的解像度、fps 和寬高比：解像度會寫進數據集元數據並參與校驗，不一致會直接報錯；即便僥倖通過，視野不同也會讓模型"看到的世界"和你示教時不一樣，效果會明顯變差。

關於可視化

--display_data=true 會啟動 rerun.io 的可視化介面，同時在 /Users/<你的使用者名稱>/.cache/huggingface/lerobot/rollout_lerobot_my_dataset_a/images/observation.images.front/episode-000000 目錄下儲存每一幀的圖片，比較佔空間，正式使用時可以設成 --display_data=false。

以抓橘子任務為例

• 現場評估（帶實時可視化）

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/<你的使用者名稱>/Downloads/7-lerobot/checkpoints/last/pretrained_model \
  --task="Grab Oranges" \
  --duration=60 \
  --display_data=true

• 現場評估（不帶實時可視化）

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/<你的使用者名稱>/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=<你的使用者名稱>/lerobot_my_model_a \
  --task="Grab Oranges" \
  --duration=60 \
  --display_data=true

執行後會下載模型

• 評估並錄製數據（--strategy.type=episodic）

想邊跑邊把過程錄成數據集，就把 base 換成 episodic。這個模式下不寫 --task，改用 --dataset.single_task，並且必須給出 --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/<你的使用者名稱>/Downloads/7-lerobot/checkpoints/last/pretrained_model \
  --dataset.repo_id=<你的使用者名稱>/rollout_lerobot_my_dataset_a \
  --dataset.num_episodes=10 \
  --dataset.single_task="Grab Oranges" \
  --display_data=false

相關產品

SO-ARM101 開發套件→