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。
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
