赛事链接 我选择的是Manipulation 赛道，从8月初到9月中的过程中，为了跑通flow，获得更好的训练效果，踩了不少坑，经过官方老师的耐心解答，热心队伍的无私帮助，终于磕磕碰碰完成了初赛。

一、环境准备

Manipulation 赛道是官方提供baseline 模型，需要完成10项任务，每项任务的完成分为1分，总分10分，提交自己的模型，获得更高的分数。十个任务分别如下，提高的模型有两个：UniVLA 和RDT 在这里插入图片描述

1.1 推理环境准备

智元的Genie Sim 环境是在NVIDIA ISAAC Sim基础上开发的机器人仿真平台，能够查看机器人在仿真环境中的任务表现。 在这里插入图片描述

具体的准备过程在这个链接： Genie Sim Benchmark

1.2 没有GPU怎么办？

租用云服务器是很好的选择，如果自己购置GPU，一方面无法灵活配置，价格昂贵，另一方面安装环境也容易被折腾。云服务器随时取用，非常方面，我租用的平台是“智星云”，开始测试的时候用的RTX 4090, 可以选择多GPU和CPU 内存，后面训练的时候切换A100，可谓非常灵活。

在这里插入图片描述 租用的版本主要分三个阶段：

  • 数据准备及推理阶段：GPU内存不大，选择4090(24G)
  • try 训练阶段：排查训练过程中的坑，单GPU 选择4090(48G)
  • 冲刺阶段：两卡A100(80G)，多batch size 收敛训练

1.3 数据集下载慢怎么办？

大模型训练的另一个特点是数据集非常庞大，一般都要在huggingface上下载，虽然用git 也行，但下载速度慢，且容易卡断。如果你遇到相同的问题，一定要看这篇知乎，加速效果异常好！ 使用 HFD 加快 Hugging Face 模型和数据集的下载 仿真数据集将近1T，直接扩容硬盘到了2T。

wget https://hf-mirror.com/hfd/hfd.sh
chmod a+x hfd.sh
echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc
source ~/.bashrc

./hfd.sh gpt2 --tool aria2c -x 4
./hfd.sh agibot-world/AgiBotWorldChallenge-2025  --tool aria2c -x 4 --include Manipulation-SimData/*

二、模型推理

按Genie Sim Benchmark的流程可以跑起仿真。期间有遇到几个问题

SIM_ASSETS=~/GenieSimAssets ./scripts/start_gui.sh
./scripts/autorun.sh iros_pack_in_the_supermarket infer UniVLA

2.1 仿真画面完全不出来

报错信息： 在这里插入图片描述 这是terminal的问题，运行autorun.sh 脚本的时候，会遍历系统已有的terminal，首选是gnome_terminal，但我这边有些问题，调整成“terminator”之后就ok了。 在这里插入图片描述

2.2 仿真无法进行，自动退出

还是在auto_run.sh 的脚本，它会通过terminator 运行三个任务：

  • 运行仿真环境的服务平台
  • 运行仿真任务的场景
  • 运行推理任务的大模型 在这里插入图片描述 脚本最后有个while 循环，会检测后台的任务，判断是否超时来退出仿真。我这边的仿真加载慢，经常被强制kill，最后索性注释退出机制，就能成功run起来！

在这里插入图片描述

三、模型训练

模型训练卡了很久，需要下载额外下载依赖，添加配置。 按此步骤，不用安装Depth-Anything 在这里插入图片描述

3.1 没有internvl库

在这里插入图片描述 这个库其实包含在仓库的InternVL 文件夹里，需要export 对应的路径 在这里插入图片描述

3.2 没有facebookresearch_dinov2_main

在这里插入图片描述 需要把Depth-Anything仓库的facebookresearch_dinov2_main 放到latent_action_model 目录下： 在这里插入图片描述

3.3 没有dinov2_vitb14_reg4_pretrain.pth 模型

训练过程中需要加载这个权重，但原仓库下没有这个权重。 在这里插入图片描述

在hf 里面搜关键字，终于找到同名的模型权重！ 在这里插入图片描述

3.4 训练脚本问题

README.md展示的只是示例，具体训练的时候需要修改 在这里插入图片描述 其中dataset 的结构如下，hf下载的数据集需要先解压，并放一起： 在这里插入图片描述

3.5 内存问题

训练到了10%，后续异常退出。此时GPU内存48G，htop查看训练过程中CPU内存的使用量，发现才16G，远远不够！提高CPU 内存能够解决问题。 在这里插入图片描述 服务器CPU 内存的选取有限，为了不让cpu 内存爆掉导致训练终止，需要用其他方法提高内存，最有效的是提高swap分区的大小！后期训练的时候，直接把swap 分区提高到了300G，内存自由！ 在这里插入图片描述 Linux系统swap分区扩容保姆级教程

3.6 训练后的得分反而更低很多

univla 的训练效果和batch size 有很大关系，一般训练的标配都是8卡A100，每张卡80G，bs=8。然后训练5万步左右。

开始训的时候，我只有可怜的单卡，48G，bs=1，根本没法收敛，越训越烂。 训练的调整过程如下：

  1. 单卡4090 48G：从baseline开始，先训task8，得到权重，再训task5，再训task9... -> 容易遗忘，无法收敛 -> 0.35
  2. 单卡4090 48G：从baseline开始，一起训task 6,8,5,9,3,1,0,2(task 4,7 数据集太大，放弃)-> bs 太小，无法收敛 ->0.60
  3. 单卡4090 48G：从baseline开始，减小learning rate，增大grad_accumulation_steps(相当于提高bs，但训练时间会更长)-> 没效果 0.45分
  4. 双卡A100,80G：从baseline开始，一起训task 6,8,5,9,3,1,0,2，bs=8，grad_accumulation_steps=8，loss 收敛效果不佳->1.00
  5. 双卡A100,80G：从baseline开始，一起训task 6,8,5,9,3,（放弃其他5个任务）bs=8，grad_accumulation_steps=8，loss 收敛效果还行

四、模型提交

4.1 baseline模型提交

早期测试可以先提交官方的baseline模型，确认格式：解压之后直接是以下文件夹。 在这里插入图片描述

cd UniVLA
zip -r ../univla_ori.zip .

4.2 训练模型提交

提交之后，训练显示size 不对。原因是训练的时候没有加 --wogripper 参数，但推理默认是开的，导致不匹配。机械臂包含7各自由度+夹爪1个自由度，双臂就有16个自由度，如果去除夹爪，就只有14个自由度。 在这里插入图片描述 解决方式有两种：

  • 推理的infer.py 脚本：wogripper 配置为false
  • 训练的finetune.py 脚本：增加wogripper 参数

赛后八卦： 8卡GPU bs=8, UniVLA训练5万步，分数能到2.45左右 8卡GPU bs默认, RDT训练10万步，分数能到2.45左右 UniVLA 模型的训练好坏，和bs 关系很大，越大越好，调大grad_accumulation 可以增大bs，以时间换空间

标签: none

添加新评论