Воплощённый ИИ и робототехника

Развёртывание политики

Для этого руководства нужны обученная контрольная точка модели и физический робот So100 (LeRobot), чтобы запустить политику.

В этом руководстве показаны примерные скрипты и фрагменты кода для развёртывания обученной политики. В качестве примера используется манипулятор So100 (LeRobot).

1. Загрузка политики

Чтобы запустить сервер политики, выполните команду:

python scripts/inference_service.py --server \
    --model_path <PATH_TO_YOUR_CHECKPOINT> \
    --embodiment_tag new_embodiment \
    --data_config so100 \
    --denoising_steps 4

• model_path — путь к контрольной точке, которая используется политикой; укажите путь к дообученной контрольной точке.
• denoising_steps — число шагов шумоподавления; мы заметили, что 4 шага дают результат, сравнимый с 16.
• embodiment_tag — метка воплощения; при дообучении на новом роботе используйте new_embodiment.
• data_config — конфигурация данных; для so100 используйте so100. Если нужен другой робот, реализуйте собственные ModalityConfig и TransformConfig.

2. Клиентский узел

Для развёртывания дообученной модели можно использовать скрипт scripts/inference_policy.py. Он запускает сервер политики.

Клиентский узел можно реализовать с помощью класса ExternalRobotInferenceClient из gr00t.eval.service. Это самостоятельный класс клиент-сервер для связи с сервером политики; единственный интерфейс — конечная точка get_action().

from gr00t.eval.service import ExternalRobotInferenceClient
from typing import Dict, Any

raw_obs_dict: Dict[str, Any] = {} # Заполните пропуск

policy = ExternalRobotInferenceClient(host="localhost", port=5555)
raw_action_chunk: Dict[str, Any] = policy.get_action(raw_obs_dict)

Пользователь может скопировать этот класс и реализовать собственный клиентский узел в отдельном изолированном окружении.

Пример с манипулятором So100 (LeRobot)

Для манипулятора So100 (LeRobot) есть пример реализации клиентского узла. Подробности — в скрипте scripts/eval_gr00t_so100.py.

Клиентский узел запускается такой командой:

python examples/eval_gr00t_so100.py \
 --use_policy --host <YOUR_POLICY_SERVER_HOST> \
 --port <YOUR_POLICY_SERVER_PORT> \
 --camera_index <YOUR_CAMERA_INDEX>

Эта команда включает робота и вызывает конечную точку сервера политики action = get_action(obs), получает действие и выполняет его на роботе.