Skip to content

教程 B:从原始数据到机器人模型 ​

本教程以 Station Lite 桌面双臂的遥操数据为例,完整走一遍「采集 → 治理 → 数据集 → 训练 → 模型 → 部署验证」。

适用角色FAE、研发工程师
预计用时操作约 1 小时,训练时长取决于算力与排队
最终得到模型版本、可下载的模型产物、部署记录

适用场景 ​

  • 你要让机器人学会一项新的操作技能,例如抓取放置、分拣、插花;
  • 你已有真机遥操条件,可以采集几十到数百条示范;
  • 你希望训练结果可复现、可追溯,并能部署到真机验证。

开始之前 ​

准备项要求参考
角色FAE 或研发工程师角色与权限
设备Station Lite 已登记并绑定遥操设备编号设备管理
算力有可用的训练算力配额账号与成员
推理节点(部署阶段)满足要求的边侧推理节点,或使用云端推理部署概览与流程

流程概览 ​

训练任务、检查点模型、模型版本与部署的关系

text
① 采集上传 → ② 治理数据 → ③ 导出训练数据集 → ④ 创建训练任务 → ⑤ 查看训练状态
→ ⑥ 导出检查点验证方向 → ⑦ 管理并下载模型 → ⑧ 部署与真机验证

第 1 步:采集并上传数据 ​

入口:「数据采集 → 采集任务」,点击 新建。

  1. 设备型号选择 Station Lite,落库格式自动显示为 HDF5。
  2. 选择设备 SN ST-2609-0001。
  3. 上传方式选择 全量上传(小批量、高价值的示范推荐全量)。
  4. 填写任务名称 pick_place_station、场景、目标条数 100、采集员与截止时间,点击 创建任务。
  5. 采集员领取任务,完成遥操示范。每条结束后自动上传。

完成判断:任务进度达到 100/100 且全部上传完成,状态变为 已完成。

示范数量参考

单一场景的抓取放置类任务,通常从 50–200 条示范起步。先用小批量走通流程,再按评测结果补采。

第 2 步:治理数据 ​

  1. 进入「数据治理 → 数据资产」,按采集任务筛选,格式显示 HDF5、状态为 可治理。
  2. 勾选全部数据,新建治理项目 pick_place_v1。
  3. 在数据工作台逐条预览:
    • 抓取失败、碰撞、长时间停顿等片段,标记「异常_备注」并设为排除区间;
    • 整条不可用的示范,设为整条待删除;
    • 看完一条点击 标记已核验。
  4. 数据较多时,先运行 批量处理 中的黑屏检测、关节数据校验脚本,生成候选标签后再人工确认。

HDF5 数据自带本体状态,不需要经过管线。详见数据工作台。

第 3 步:导出训练数据集 ​

  1. 在工作台点击 导出,名称填写 pick_place_v1,格式选择 HDF5。
    • 平台内置训练模板直接使用 HDF5;
    • 需要在开源框架中训练时选择 LeRobot。
  2. 导出完成后,数据集状态为 已导出,版本冻结。

只有「已导出」的数据集版本可以用于训练。

第 4 步:创建训练任务 ​

入口:「模型训练 → 任务管理」,点击 创建训练任务。

配置项本例取值说明
任务名称抓取放置 v1可填写中文
英文名称pick_place_v1仅英文字母、数字、下划线,用于产物命名
训练数据pick_place_v1(v1)可多选,须同格式
模型家族ACT也可选 EasyDP、Pi 0.5、R0
算力规格标准4 × GPU,适合常规训练
训练策略长程 · 质量优先平台统一设定,不可修改

点击 提交。平台锁定参数快照:训练步数、学习率与调度、批大小、优化器、随机种子和数据集版本。

第 5 步:查看训练状态 ​

入口:任务列表中的训练任务卡片,点击 详情。

状态含义
排队中等待空闲算力,页面显示队列位置
训练中正在训练,显示当前步数与 Loss 曲线
已完成跑满既定步数(当前为 80,000 步),产出模型版本
已停止 / 失败手动停止或异常终止,查看日志

详情页提供 Loss 曲线、学习率曲线、吞吐、GPU 利用率与日志。Loss 持续下降并趋于平稳,说明训练正常收敛。

第 6 步:导出检查点,提前验证方向 ​

训练不必等到结束才能验证。

  1. 在训练详情页点击 导出检查点。
  2. 平台把当前步数的权重登记为一个检查点模型,标注导出时的进度,例如「步数 20,000 · 25%」。
  3. 用这个检查点做一次推理测试(见第 8 步)。方向正确就让训练继续;方向明显错误,可以停止训练、回到治理环节调整数据。

导出检查点不会中断训练,任务状态仍为「训练中」。

第 7 步:管理并下载模型 ​

入口:「模型部署 → 模型管理」。

  1. 训练完成后,模型列表中出现模型版本,例如 pick_place_v1 · v20261020-01。
  2. 点击 详情,查看来源:训练任务、数据集版本、超参快照、步数。
  3. 需要在本地使用时,点击 下载,得到模型产物压缩包(权重、模型配置、归一化统计、推理配置)。详见下载模型产物。

第 8 步:部署与真机验证 ​

入口:「模型部署 → 部署推理」。

  1. 选择部署形态:
    • 云端推理:用于快速验证,无需本地硬件;
    • 边侧部署:用于现场长期运行,需通过四项前置检查。
  2. 选择模型版本与目标设备,按需打开 NexBench 评测开关。
  3. 提交前完成安全确认:周边 1 米内无人、运动路径无障碍、急停可触及且有效、模型与任务匹配。
  4. 启动推理,在现场观察执行情况,在推理任务详情中查看执行记录与评测结果。

详见部署概览与流程与现场验证与评测。

最终得到什么 ​

产物位置
数据集版本 pick_place_v1数据集管理
训练任务与参数快照训练任务详情
检查点模型与最终模型版本模型管理,可下载
部署记录与推理记录部署推理

如何判断完成 ​

  • [x] 训练任务状态为 已完成;
  • [x] 模型管理中出现对应的模型版本,来源字段完整;
  • [x] 至少一次部署运行成功,现场验证有结论;
  • [x] 失败片段已在数据回流中复核。

常见问题 ​

问题处理
创建训练任务时选不到数据集确认数据集状态为「已导出」,多选时格式一致
训练一直排队当前无空闲算力,保持排队,不要重复提交
Loss 不下降检查数据集中是否有大量未排除的失败示范,导出检查点做推理测试确认
边侧部署按钮不可用查看缺失的前置检查项,在节点上运行 nexcore-edge check
推理效果不理想在数据回流中查看 Badcase,补采或调整治理后导出新版本再训练

接下来 ​

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