Skip to content

模型训练概览 ​

模型训练把冻结的数据集版本训练成机器人模型。每次训练是一个训练任务,产出一个或多个模型版本。

训练任务、检查点模型、模型版本与部署的关系

关键概念 ​

概念说明
训练输入一个或多个已导出的数据集版本,须为同一格式
模型家族训练所用的模型类型,例如 ACT、EasyDP、Pi 0.5、R0
训练策略平台统一的「长程 · 质量优先」策略,跑满既定步数(当前为 80,000 步)
参数快照提交时锁定的步数、学习率、批大小、优化器、随机种子与数据集版本
算力规格轻量、标准、高性能三种实例配置
检查点训练中某一步数的权重快照,可登记为模型
模型版本训练完成或检查点导出后登记的模型

为什么统一训练策略 ​

NexCore 不提供快速、标准、精细等训练档位,所有训练使用同一强度:

  • 结果可比:不同数据集版本、不同模型家族的结果都在同一强度下产生,可以直接比较;
  • 避免误判:短训练只能证明链路可用,不能代表模型效果;
  • 节奏可控:训练中随时导出检查点,提前验证方向,不必等到训练结束。

支持的模型家族 ​

模型家族特点推荐数据格式
ACT基于动作分块的模仿学习,适合精细的双臂操作HDF5
EasyDP基于扩散策略,适合多模态、动作分布较复杂的任务HDF5 / LeRobot
Pi 0.5视觉-语言-动作模型,适合需要语言指令或泛化的任务LeRobot
R0鹿明机器人的通用操作模型HDF5

模型家族与目标设备的组合以平台训练模板中列出的为准。

训练流程 ​

text
准备数据集版本 → 创建训练任务 → 排队与训练 → 监控与导出检查点 → 训练完成 → 模型版本

产品快速迭代中,表现效果以最新版本为准NexCore Docs · 鹿明机器人具身智能技能学习平台使用手册