长沙做网站推荐怎样把个人介绍放到百度
1. 训练
使用python lerobot/scripts/train.py可以进行机器人控制模型训练，一般需要几个小时，可以在outputs/train/act_lekiwi_test/checkpoints查看锚点数据，下面为一组示例参数：
python lerobot/scripts/train.py \--dataset.repo_id=${HF_USER}/lekiwi_test \--policy.type=act \--output_dir=outputs/train/act_lekiwi_test \--job_name=act_lekiwi_test \--device=cuda \--wandb.enable=true
- 数据集参数：–dataset.repo_id=${HF_USER}/lekiwi_test
- 机器人配置：policy.type=act表示从 configuration_act.py 加载配置，数据集中记录了机器人的电机状态、电机动作和摄像头的数量。
- device=cuda表示在 Nvidia GPU 上训练，使用device=mps来在 Apple 芯片上训练。
- wandb.enable=true表示使用wandb.ai来可视化训练图，使用之前要使用wandb login先登录，这是官网地址。
2. 评估训练模型
评估跟录制数据集是同一个方法（lerobot/scripts/control_robot.py），不过增加了锚点作为输入，下面命令可以用来录制10个评估数据集。
python lerobot/scripts/control_robot.py \--robot.type=lekiwi \--control.type=record \--control.fps=30 \--control.single_task="找到红色块，并捡起来" \--control.repo_id=${HF_USER}/eval_act_lekiwi_test \--control.tags='["tutorial"]' \--control.warmup_time_s=5 \--control.episode_time_s=30 \--control.reset_time_s=30 \--control.num_episodes=10 \--control.push_to_hub=true \--control.policy.path=outputs/train/act_lekiwi_test/checkpoints/last/pretrained_model
它与之前用于录制训练数据集的命令很像，有两点不同变化：
- 增加参数 control.policy.path 表示策略锚点的路径（–outputs/train/eval_act_lekiwi_test/checkpoints/last/pretrained_model）。如果您将模型锚点上传到hf，还可以使用模型库（${HF_USER}/act_lekiwi_test ）。
- 数据集的名称以eval开头，表示正在进行推理（${HF_USER}/eval_act_lekiwi_test ）。
具身开源套件部分课程如下，欢迎联系合作采购（全套开源）
- 树莓派上配置机器人环境
- 电脑主机上配置机器人环境
- 机器人硬件组装
- 基于硬件更新软件配置
- 机器人标定
- 机器人远程遥控
- 机器人数据集记录
- 机器人模型训练与评估