Hi, there!

比赛已经提交，终于可以把这段时间散落在配置、日志和聊天记录里的东西整理一下。 这次我们以 北京大学武汉人工智能研究院 团队参与比赛，使用 LingBot-VLA 2.0 6B，在 RoboTwin 的 Aloha-AgileX clean 数据上做 post-training，也提交了两个 UR 真机操作 Demo（还有一个叠衣服的任务，但由于网络问题推理测试速度太慢没有提交）。整个过程涉及数据适配、归一化、训练增广、多 GPU 评测，以及最后的复现材料整理。 值得记下来的，除了训练参数，还有那些让流程真正跑通的细节：为什么不加载图像的统计脚本仍然很慢，为什么多相机增广要共享参数，以及评测中断后应该怎样统计结果。 数据准备 训练使用 RoboTwin 2.0 Aloha-AgileX clean 50 数据集：50 个任务，每任务 50 条示范，共 2500 条轨迹。转换后的元数据合计为 549787 帧。 处理流程如下： RoboTwin 原始 HDF5 + 指令 ↓ 官方 process_data_pi0.sh 中间数据 ↓ convert_aloha_data_to_lerobot_robotwin.py LeRobot 数据集 ↓ clean 专用任务清单 + 归一化统计 LingBot-VLA 多任务训练 这里单独维护了 assets/training_data/robotwin_clean.txt。原仓库的数据清单同时包含 clean 和 randomized，直接沿用容易把训练数据范围弄错。本次只使用 clean 示范，randomized 留作评测。 转换脚本对目录结构有自己的约定。原始数据位于 assets 目录时，需要先适配到转换器期望的路径。另外，转换器会重新生成同名输出目录，重跑之前要确认目标位置，避免覆盖已有数据。 机器人映射也需要和数据一起固定下来。RoboTwin 的手臂关节、夹爪状态与三路相机，通过 robot config 接入模型的统一表示。配置里的 action_dim: 55 是每个时间步的统一动作表示维度；预测序列长度由 chunk / horizon 参数决定，本次使用 50。 ...

记录工程化闭环训练流程

记录了使用 FastWAM 训练自有机器人数据的基本流程