Pi0.5ን በራስዎ ሮቦት ዳታ ላይ እንዴት ማሰልጠን እንደሚቻል

Pi0.5 አንድ ፖሊሲ ከዚህ በፊት አይቶት በማያውቅ ክፍል ውስጥ መስራት ሲኖርበት የሚጠቀሙበት ሞዴል ነው። እንዲሁም ከሚከተሉት አምስት ሊሰለጥኑ የሚችሉ ፖሊሲዎች እዚህ ጋር በእጅ ለማስተካከል አስቸጋሪው ነው። ምክንያቱም የላይኛው ሪፖዚተሪ መጀመሪያ JAX ነው፣ የLeRobot ፖርት በ0.6.0 ውስጥ ዲፕሎይመንትን ከlerobot-record አውጥቶታል እና መሰረታዊ ጭነቱ ለማሰልጠን በጣም ትንሽ እንዲሆን አድርጎታል፣ እንዲሁም ሙሉ ማስተካከያ በ4090 ላይ አይገጥምም። ከታች: ፍሎው ማችንግ በኢንፈረንስ ጊዜ ምን ያህል እንደሚያስወጣ፣ ሁለቱ የትዕዛዝ መንገዶች፣ እና ውጤቱ ጥቅም ላይ ሊውል የሚችል መሆኑን የሚወስነው የ485 ms ቁጥር።

Pi0.5 በእርግጥ ምንድን ነው

Physical Intelligence በጥቅምት 2024 pi0ን አሳተመ: ፍሎው ማችንግ የእይታ-ቋንቋ-ድርጊት ሞዴል በቅድመ-ሰለጠነ VLM ላይ የተመሰረተ: PaliGemma በ3 ቢሊዮን ፓራሜትሮች እና ከባዶ የተጀመረ 300M የድርጊት ኤክስፐርት፣ በጠቅላላው 3.3 ቢሊዮን። ወረቀቱ ከ10,000 ሰዓታት በላይ በሆነ የሮቦት ዳታ ላይ በ7 የሮቦት ውቅሮች እና በ68 ተግባራት ላይ ቅድመ-ስልጠና እንደተደረገ ይዘግባል። ተጨማሪ መረጃ በ የpi0 ጽሑፍ።

Pi0.5 (arXiv 2504.16054, 22 ኤፕሪል 2025) ያንን አጽም ይዞ የስልጠናውን አመጋገብ ይለውጣል፦ የድር መረጃ፣ የነገር ማወቂያ፣ ሮቦቱን ከሚያሰለጥኑ ሰዎች የቃል መመሪያዎች፣ ንዑስ ተግባር መለያዎች፣ ከብዙ ቤቶች ከሚገኙ ሮቦቶች የተገኘ የሰውነት-አቋራጭ መረጃ። ውጤቱም በስልጠና ስብስብ ውስጥ ያልነበሩ ቤቶች ውስጥ ወጥ ቤቶችን የሚያጸዳ ሮቦት ነው። የ openpi README ርዕሱ ያልጠቀሰውን ዝርዝር ይጨምራል፦ የተለቀቀው pi0.5 በእውቀት መከላከያ (arXiv 2505.23705) የሰለጠነ ነበር።

የፍሰት ማዛመድ ስለ ስልጠና እና ግምት የሚቀይረው ነገር

በSO-100 ላይ ማሰልጠን የሚችሉት ፖሊሲ ድርጊቶችን በቀጥታ ይመልሳል (ACT) ወይም ቶከን አድርጎ በራስ-ሰር ይፈታቸዋል (pi0-FAST)። ፍሎው ማቺንግ ሁለቱንም አያደርግም፦ ጫጫታን ወደ ንጹህ የድርጊት ክፍል የሚያጓጉዝ የቬክተር መስክ ይማራል፣ ከዚያም ያዋህደዋል። የ pi0 ወረቀት 10 የማዋሃድ ደረጃዎችን በ0.1 ደረጃ መጠን ይጠቀማል፤ የLeRobot's pi05 config ተመሳሳይ num_inference_steps: int = 10 ይይዛል።

• ስልጠና፦ ኪሳራው ጫጫታ ያለበትን የድርጊት ክፍል ይመልሳል። የሚስተካከል ቶከናይዘር የለም፣ የመገጣጠሚያ አንግልዎን መከፋፈል የለም።
• ግምት፦ አንድ ክፍል በአክሽን ኤክስፐርቱ ውስጥ አስር ወደፊት ማለፊያዎችን ያስከፍላል። ይህ መዋቅራዊ ነው፣ የማስተካከያ ችግር አይደለም።
• ውጤት፦ የ32 ልኬት ቀጣይነት ያላቸው ድርጊቶች፣ በውስጥ በኩል የተሞሉ፣ ኪሳራው ሮቦትዎ ባሉት ልኬቶች ላይ ይወሰዳል። ባለ 6-DoF ክንድ እና ግሪፐር 7 ይጠቀማል።

# openpi/src/openpi/models/pi0_config.py - the defaults every pi05 config inherits
@dataclasses.dataclass(frozen=True)
class Pi0Config(_model.BaseModelConfig):
    dtype: str = "bfloat16"
    paligemma_variant: _gemma.Variant = "gemma_2b"
    action_expert_variant: _gemma.Variant = "gemma_300m"

    action_dim: int = 32
    action_horizon: int = 50
    max_token_len: int = None      # 200 if pi05 else 48

    pi05: bool = False             # flips discrete_state_input to True

የPaliGemma የጀርባ አጥንት፣ እና ከፊቱ ያለው በር

PaliGemma (arXiv 2407.07726) በGemma-2B የቋንቋ ሞዴል ላይ የተመሰረተ SigLIP-So400m ቪዥን ኢንኮደር ሲሆን፣ ወደ 3B የሚጠጉ ፓራሜትሮች አሉት። Pi0.5 የራሱን ቶከናይዘር የሚወርስ ሲሆን፣ ያ ቶከናይዘር ደግሞ በጌትድ ሪፖዚተሪ ውስጥ ይገኛል። ይህ የመጀመሪያው ሩጫ ከመጀመሪያው የስልጠና ደረጃ በፊት የሚሞትበት በጣም የተለመደ መንገድ ነው።

ከመጀመርዎ በፊት፡ የዳታሴት ቅርጸት፣ ክፍሎች፣ ሃርድዌር

በLeRobot ውስጥ ያለው Pi0.5 LeRobot ዳታሴት በv3.0 አቀማመጥ ያነባል፣ ይህም ከlerobot 0.4.0 ጋር በጥቅምት 2025 የመጣ ነው፡ በአንድ Parquet እና MP4 ፋይል ውስጥ ብዙ ክፍሎች እንጂ በአንድ ክፍል ፋይል አይደለም፣ ወሰኖቹም በፋይል ስሞች ፋንታ በmeta/episodes/ ውስጥ ናቸው። በ ዴስክቶፕ ክሊየንት ይመዝግቡ ወይም የመጀመሪያውን ዳታሴትዎን ይመዝግቡ የሚለውን ይከተሉ እና ያገኙታል።

# v2.1 -> v3.0, run against a dataset already on the Hub
python -m lerobot.scripts.convert_dataset_v21_to_v30 --repo-id=<HF_USER/DATASET_ID>

# aggregates episode-0000.parquet, episode-0001.parquet, ... -> file-0000.parquet
# aggregates episode-0000.mp4, episode-0001.mp4, ...         -> file-0000.mp4
# rewrites meta/episodes/* with per-episode lengths, tasks and offsets

መድረኩ ለ Pi0.5 ቢያንስ 50 ክፍሎችን ይፈልጋል፣ ይህም ከ GR00T እና ACT ጋር ተመሳሳይ ነው። ቅድመ-ስልጠና ከባድ ስራውን ስለሚሰራ፣ 50 ንጹህ ክፍሎች 200 የተዝረከረኩትን ያሸንፋሉ። በዚህ አዲስ ነዎት? በየውሂብ ስብስብ መመሪያ።

መንገድ ሀ: በ openpi ማከማቻ ማስተካከል

የማጣቀሻ ትግበራ: መጀመሪያ JAX፣ በኡቡንቱ 22.04 ላይ ብቻ የተሞከረ፣ በconfig ነገሮች የሚመራ እንጂ በፍላጎቶች አይደለም። የPyTorch መንገድ በሴፕቴምበር 2025 ደርሷል፣ በLIBERO ላይ የተረጋገጠ። ሶስት ደረጃዎች: ውሂብዎን ይቀይሩ፣ config ይግለጹ፣ ያሰልጥኑ እና ያገልግሉ።

1. 1
   ክሎን ያድርጉ እና ይጫኑ

   openpi uvን ይጠቀማል። GIT_LFS_SKIP_SMUDGE LeRobot ያለ LFS blobs እንደ ጥገኛ እንዲገባ የሚያስችለው ነው።

   bash

   git clone --recurse-submodules git@github.com:Physical-Intelligence/openpi.git
   cd openpi
   
   GIT_LFS_SKIP_SMUDGE=1 uv sync
   GIT_LFS_SKIP_SMUDGE=1 uv pip install -e .

2. 2
   ውሂብዎን ወደ LeRobot ዳታሴት ይቀይሩ

   አፕስትሪም ለLIBERO እና DROID መቀየሪያዎችን ያቀርባል እና አንዱን እንዲያስተካክሉ ይጠብቃል። ስራው የቁልፍ ካርታ ስራ ነው።

   bash

   uv run examples/libero/convert_libero_data_to_lerobot.py --data_dir /path/to/your/data

3. 3
   የስልጠና config ያክሉ

   Configs በ src/openpi/training/config.py ውስጥ ያሉ TrainConfig ግቤቶች ናቸው። ይህ pi05_droid_finetuneን ያስተካክላል፣ የክብደት ጫኚው ወደ pi05_base ይጠቁማል።

   python

   TrainConfig(
       name="pi05_so100",
       model=pi0_config.Pi0Config(
           pi05=True,
           action_dim=32,        # pi05 is trained with 32-dim actions
           action_horizon=16,
       ),
       # Copy LeRobotLiberoDataConfig in the same file and rewrite the key
       # mapping for your camera names, then reference your copy here.
       data=LeRobotLiberoDataConfig(
           repo_id="your_hf_username/my_so100_dataset",
           base_config=DataConfig(prompt_from_task=True),
       ),
       weight_loader=weight_loaders.CheckpointWeightLoader(
           "gs://openpi-assets/checkpoints/pi05_base/params"
       ),
       batch_size=32,
       num_train_steps=20_000,
   )

4. 4
   የኖርም ስታቲስቲክስን አስሉ

   በconfig ስም ላይ ይሰራል። ይህንን መዝለል እዚህ ላይ የተለመደው የመጀመሪያ ውድቀት ነው።

   bash

   uv run scripts/compute_norm_stats.py --config-name pi05_so100

5. 5
   ያሰልጥኑ

   ተለዋዋጩ JAX ነባሪውን 75 በመቶ ከመጠቀም ይልቅ 90 በመቶውን የጂፒዩ ማህደረ ትውስታ እንዲጠቀም ያስችለዋል። በ80 ጂቢ ካርድ ላይ፣ ይህ አሂድ ስራው ይሳካ እንደሆነ ይወስናል።

   bash

   XLA_PYTHON_CLIENT_MEM_FRACTION=0.9 uv run scripts/train.py pi05_so100 \
       --exp-name=my_experiment \
       --overwrite

6. 6
   ያገልግሉት

   ሰርቨሩ በፖርት 8000 ያዳምጣል እና የምልከታ ጥያቄዎችን ይመልሳል፤ የሮቦትዎ ሩንታይም ደንበኛው ነው።

   bash

   uv run scripts/serve_policy.py policy:checkpoint \
       --policy.config=pi05_so100 \
       --policy.dir=checkpoints/pi05_so100/my_experiment/20000

መንገድ B: በlerobot pi05 ማስተካከያ ያድርጉ

የLeRobot ፖርት ለACT እና SmolVLA አስቀድመው ለሚጠቀሙት CLI ተመሳሳይ ክብደቶችን ይይዛል። ከዚህ በታች ያለው ነገር ሁሉ በlerobot 0.6.1፣ ከ3 ኦገስት 2026 ጀምሮ ባለው ልቀት፣ እና በ23 ኦገስት 2026 ባለው የpi05 ሰነዶች ላይ ተረጋግጧል። እዚህ ስሪቶች አስፈላጊ ናቸው፡ v3.0 የውሂብ ስብስቦች በጥቅምት 2025 ከ0.4.0 ጋር ደርሰዋል፣ የ9 ማርች 2026 የ0.5.0 ብሎግ pi0-FAST እና Real-Time Chunkingን ያቀርባል፣ እና በ6 ጁላይ 2026 የወጣው 0.6.0 መሰረታዊ ፓኬጁን ቀላል አድርጎ ማሰማራትን ወደ lerobot-rollout አዛውሯል።

አንድ ነገር አልተንቀሳቀሰም፡ lerobot-train እና lerobot-record በ0.3.2፣ ኦገስት 2025 ውስጥ የመግቢያ ነጥቦች ነበሩ። አሁንም python -m lerobot.scripts.train የሚጠራ ትምህርት የአንድ አመት ለውጦችን የቀደመ ነው እና በቀሪውም ላይ አለመታመን ተገቢ ነው።

1. 1
   በትክክለኛ ተጨማሪዎች ይጫኑ

   ከ0.6.0 ጀምሮ መሰረታዊው ጭነት ዋና ዋና የML ጥገኞችን ብቻ ይይዛል፣ እና የፒ ተጨማሪ ምንም የውሂብ ስብስብ ወይም የስልጠና ኮድ አይጨምርም፣ ስለዚህ ጥሩ ማስተካከያ የስልጠና ተጨማሪውንም ይፈልጋል። የቆዩ የአንድ መስመር ትዕዛዞች እዚህ ላይ በሚጫኑበት ጊዜ ይሳናሉ።

   bash

   # policy dependencies plus the training stack
   pip install 'lerobot[pi,training]'
   
   # from a source checkout
   pip install -e ".[pi,training]"
   
   # driving an SO-100 afterwards needs the robot extras too
   pip install 'lerobot[core_scripts,feetech]'

2. 2
   ማረጋገጥ

   የpaligemma-3b-pt-224 ፍቃድን በአሳሽ ውስጥ ይቀበሉ፣ ከዚያም በሚያሰለጥነው ማሽን ላይ ይግቡ።

   bash

   hf auth login

3. 3
   የኳንታይል ስታቲስቲክስ ያክሉ

   Pi0.5 STATE እና ACTIONን በኳንታይሎች መደበኛ ያደርጋል፣ ስለዚህ meta/stats.json q01 እና q99 ያስፈልገዋል። የቆዩ የውሂብ ስብስቦች ዝቅተኛ፣ ከፍተኛ፣ አማካይ፣ መደበኛ መዛባትን ብቻ ይይዛሉ።

   bash

   lerobot-edit-dataset \
       --repo_id your_dataset \
       --new_repo_id your_dataset \
       --operation.type recompute_stats \
       --operation.overwrite true

4. 4
   ከlerobot/pi05_base በጥሩ ሁኔታ ያስተካክሉ

   የባች መጠን ካርድዎ ሊቋቋመው በሚችለው መጠን ያዘጋጁ፤ ሰነዶቹ በLIBERO ላይ 64ን በ80 ጂቢ ይጠቀማሉ። bfloat16ን በግልጽ ያስተላልፉ፣ የውቅረት ነባሪው float32 ነው።

   bash

   lerobot-train \
       --dataset.repo_id=${HF_USER}/my_so100_dataset \
       --policy.type=pi05 \
       --policy.pretrained_path=lerobot/pi05_base \
       --policy.gradient_checkpointing=true \
       --policy.dtype=bfloat16 \
       --policy.device=cuda \
       --policy.push_to_hub=false \
       --output_dir=./outputs/pi05_so100 \
       --job_name=pi05_so100 \
       --batch_size=4 \
       --num_workers=8 \
       --steps=30000 \
       --save_freq=5000 \
       --seed=1000

5. 5
   በክንዱ ላይ ያሂዱት

   በ0.6.x ይህ lerobot-rollout ነው፡ lerobot-record ፖሊሲን አይቀበልም እና eval_ የውሂብ ስብስብ ስሞችን አይቀበልም። Base ክንዱን ያሽከረክራል፣ sentry ደግሞ ሮልአውቱን ይመዘግባል።

   bash

   lerobot-rollout \
       --strategy.type=base \
       --policy.path=${HF_USER}/my_policy \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM1 \
       --robot.cameras="{ up: {type: opencv, index_or_path: /dev/video10, width: 640, height: 480, fps: 30}}" \
       --task="Put lego brick into the transparent box" \
       --duration=60
   
   # same run, recorded into an eval_ dataset
   lerobot-rollout \
       --strategy.type=sentry \
       --policy.path=${HF_USER}/my_policy \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM1 \
       --dataset.repo_id=${HF_USER}/eval_so100 \
       --dataset.single_task="Put lego brick into the transparent box" \
       --duration=600

ሶስት ነባሪ ስብስቦች፣ እና የትኞቹ አሰልጣኙን እንደሚደርሱ

የ openpi TrainConfig ማጣቀሻ ነው፣ የ LeRobot PI05Config ደግሞ lerobot-train ምንም ሳይሉ ሲጠቀሙበት ነው፣ እና እዚህ ያለው ፎርም ሶስተኛ ስብስብ ይልካል። አስገራሚው የትምህርት መጠን ነው፡ ሁለቱም የላይኛው ነባሪዎች በ2.5e-5 ከፍተኛ ደረጃ ላይ ሲደርሱ፣ የ openpi የራሱ pi05_libero config እና ይህ መድረክ ወደ 5e-5 ከፍ ያደርገዋል።

ፖርቱ ታማኝ ነው? የ LeRobot ቡድን የ LIBERO መሰረታዊ ሞዴልን ለተጨማሪ 6k ደረጃዎች በጥሩ ሁኔታ አስተካክሎ ከ openpi የማጣቀሻ ቁጥሮች ጋር በአራት ስብስቦች አነጻጽሯል፡ 97.5 በመቶ አማካይ ከ 96.85 ጋር ሲነጻጸር፣ በ Libero 10 ቀድሞ፣ በ Spatial ደግሞ ወደኋላ ቀርቷል። መንገዱ የመሳሪያ ምርጫ እንጂ የጥራት ምርጫ አይደለም።

የ485 ሚሴ እውነታ እና ጥቅም ላይ መዋል የሚያቆምበት ቦታ

ይህ ፕሮጀክትዎን ይወስናል፣ ስለዚህ ከወጪ ሰንጠረዡ በፊት ይመጣል። የግምት መዘግየት ለእያንዳንዱ የድርጊት እርምጃ እዚህ ለPi0.5 የተለካው 485 ሚሴ ነው። ከሌሎቹ አራት ጋር ሲነጻጸር:

አፕስትሪም መልስ አለው፣ እና ግማሹ አስቀድሞ ሊጭኑት በሚችሉት እትም ውስጥ ይገኛል። የእውነተኛ ጊዜ ክፍፍል (Real-Time Chunking) ክንዱ አሁን ያለውን ክፍል እየፈጸመ እያለ ቀጣዩን ክፍል ያመነጫል፣ ከዚያም የአዲሱ ክፍል ተደራራቢ እርምጃዎች አስቀድሞ ከተፈጸመው ክፍል ጋር እንዲቀራረቡ ይመራል፣ ስለዚህ ክንዱ በመገጣጠሚያው ላይ አይቆምም ወይም አይንቀጠቀጥም። የመደምደሚያ-ጊዜ ቅጹ በ0.4.2 ለPi0, Pi0.5 እና SmolVLA በተለቀቀው ለውጦች ዝርዝር ውስጥ የተካተተ ሲሆን፣ እንደገና ማሰልጠኛ ሳይሆን የማስፈጸሚያ ባንዲራ (rollout flag) ነው።

lerobot-rollout \
    --strategy.type=base \
    --policy.path=${HF_USER}/my_policy \
    --inference.type=rtc \
    --inference.rtc.execution_horizon=10 \
    --inference.rtc.max_guidance_weight=10.0 \
    --robot.type=so100_follower \
    --robot.port=/dev/ttyACM1 \
    --robot.cameras="{ up: {type: opencv, index_or_path: /dev/video10, width: 640, height: 480, fps: 30}}" \
    --task="Put lego brick into the transparent box" \
    --duration=60

ሞዴሉን ፈጣን አያደርገውም። ክፍተቱን ይደብቃል፡ 485 ሚሊሰከንድ አሁንም ይውላል፣ ነገር ግን ከዋናው መንገድ ውጪ ስለሆነ፣ ወረፋው በክፍሎች መካከል አይደርቅም። ከarXiv 2512.05964 የመጣው የስልጠና-ጊዜ ልዩነት የበለጠ ይሄዳል፡ ሞዴሉ በንጹህ የድርጊት ቅድመ ቅጥያ ላይ ለመመሥረት ይማራል፣ ስለዚህ በመደምደሚያ ጊዜ መደራረቡ ከመመራት ይልቅ በእያንዳንዱ ድርጊት ፍሰት የጊዜ ደረጃዎች በጥብቅ ይሞላል፣ እና የመመሪያው የኋላ ማለፊያ ይጠፋል። በስልጠና ወቅት ለእያንዳንዱ ምሳሌ የቅድመ ቅጥያ ርዝመት ይመርጣል እና በቀሪው የኋለኛ ቅጥያ ላይ የፍሰት መጥፋትን ይወስዳል። ያ ባንዲራ በዋናው ላይ ብቻ ነው ያለው፣ በ0.6.1 ውስጥ አይደለም፣ እና የሚያሰለጥኑበት መዘግየት ከchunk_size በታች መሆን አለበት።

Pi0.5 ቼክፖይንት ለማግኘት ሁለት መንገዶች

lerobot-train \
    --dataset.repo_id=${HF_USER}/my_so100_dataset \
    --policy.type=pi05 \
    --policy.pretrained_path=lerobot/pi05_base \
    --policy.rtc_training_max_delay=10 \
    --policy.gradient_checkpointing=true \
    --policy.dtype=bfloat16 \
    --batch_size=4 --steps=30000 --seed=1000

የማይሰራ ከሆነ

• የውሂብ ስብስብ ውድቅ ተደርጓል: v3 ያስፈልጋል
• በስልጠና ወቅት የማስታወስ ችሎታ እጥረት
• ኪሳራው ቢቀንስም ፖሊሲው ምንም አያደርግም
• ፖሊሲው በእንቅስቃሴ መካከል ይቀዘቅዛል
• ፖሊሲው በአንድ ቅንብር ውስጥ ብቻ ይሰራል
• የስልጠና ስራው ወረፋ ውስጥ ተጣብቋል

አንድ ሩጫ ምን ያህል ያስከፍላል

Pi0.5 ውድ በሆነው ደረጃ ላይ የሚገኘው 80 ጂቢ ካርድ ስለሚያስፈልገው እና የቦታ ዋጋዎች ስለሚለዋወጡ፣ አሃዙ ዋጋ ሳይሆን ክልል ነው። ለብዙ SO-100 ተግባራት፣ መጀመሪያ SmolVLA ወይም ACTን በ24 ጂቢ ደረጃ ላይ ያሰልጥኑ፣ ተግባሩ ሊማር የሚችል መሆኑን ያረጋግጡ፣ ከዚያም A100 ሰዓታትን በእሱ ላይ ያሳልፉ። የመጀመሪያ ፖሊሲዎን ያሰልጥኑ ያንን ርካሽ ዑደት ያሳያል፣ እና ዋጋ አወጣጥ የአሁኑን ደረጃዎች ይዟል።

ምሽትዎን ከመስጠትዎ በፊት፡ GR00T N1.7 ከPi0.5 ጋር እና Pi0.5 ከSmolVLA ጋር ተመሳሳይ ቁጥሮችን እርስ በርስ ያነጻጽራሉ። Arena 85 የVLA ሞዴሎችን ከ332 የቤንችማርክ ውጤቶች ጋር ይዟል፣ እያንዳንዱም ከመነሻው ጋር የተገናኘ ነው፣ እና ስለ ቤተሰቡ ዳራ በየእኛ የVLA አጠቃላይ እይታ።