የVLA ስልጠና ወጪ: አንድ የጥሩ ማስተካከያ ሂደት በትክክል ምን ያህል ያስከፍላል

ሂሳቡ አራት መስመሮች አሉት፣ እና ጂፒዩ ትንሹ ነው።

ሰዎች SO-100ን ለማስተካከል ምን ያህል እንደሚያስወጣ ሲጠይቁ፣ የእይታ-ቋንቋ-ድርጊት ሞዴል ማለት ይቻላል ሁልጊዜ የጂፒዩ ኪራይን ማለታቸው ነው። ያ በካርድ ላይ እንደ ክፍያ የሚታየው ቁጥር ነው፣ ስለዚህ እውነተኛ የሚመስለው እሱ ነው። እንዲሁም፣ በብዙ ልዩነት፣ የሚሰራ ፖሊሲ በትክክል ምን ያህል እንደሚያስወጣ የሚወስኑት አራት ቁጥሮች ውስጥ ትንሹ ነው።

ከታች ያሉት የስልጠና ጊዜዎች ከአምስቱ ሞዴሎች የራሳቸው ወረቀቶች እና ማከማቻዎች የተገኙ ናቸው፣ የሃርድዌር ወጪ ከታተመው የቁሳቁስ ዝርዝር፣ የመድረክ ቁጥሮች ከAY-Robots የፖሊሲ ካታሎግ እና የዋጋ ገጽ. መድረኩ በማይረዳበት ቦታ፣ ይህ ጽሑፍ ይገልጻል።

አንድ የጂፒዩ ሰዓት በስፖት ገበያ ላይ በትክክል ምን ያህል ያስከፍላል

ለአንድ A100 ሰዓት አንድ ወጥ ዋጋ የለም። እንደ vast.ai ባሉ የገበያ ቦታዎች ላይ እያንዳንዱ አስተናጋጅ የራሱን ዋጋ ያዘጋጃል፣ እና እርስዎ የሚያስጀምሩት የስልጠና ሩጫ በዚያ ሰከንድ ርካሽ እና ነጻ በሆነው ማሽን ላይ ያርፋል። ትክክለኛው መልስ ስርጭት ነው። እነሆ፣ በኦገስት 23፣ 2026 ከቀኑ 13:44 UTC ላይ የተለካው፡ ነጠላ ሙሉ ካርዶች፣ በፍላጎት፣ በእውነተኛ VRAM የተጣሩ።

# Live, full-card, single-GPU, on-demand offers from the vast.ai public bundle API.
# No account and no API key needed. gpu_ram is in MB, so an 80 GB card is >= 80000.
python3 - <<'PY'
import json, statistics, urllib.parse, urllib.request

def offers(name, min_ram):
    q = {"rentable": {"eq": True}, "num_gpus": {"eq": 1}, "gpu_name": {"eq": name},
         "order": [["dph_total", "asc"]], "limit": 500, "type": "on-demand"}
    url = "https://console.vast.ai/api/v0/bundles/?q=" + urllib.parse.quote(json.dumps(q))
    with urllib.request.urlopen(url, timeout=60) as r:
        return [o for o in json.load(r)["offers"]
                if o["gpu_frac"] == 1.0 and o["gpu_ram"] >= min_ram]

groups = {
    "RTX 4090 24 GB": (["RTX 4090"], 24000),
    "RTX 5090 32 GB": (["RTX 5090"], 30000),
    "A100 80 GB":     (["A100 PCIE", "A100 SXM4"], 80000),
    "H100 80 GB":     (["H100 SXM", "H100 PCIE"], 80000),
    "H100 NVL 94 GB": (["H100 NVL"], 90000),
}
for label, (names, min_ram) in groups.items():
    o = [x for n in names for x in offers(n, min_ram)]
    if not o:
        print(label, "no offers"); continue
    p = sorted(x["dph_total"] for x in o)
    b = sorted(x["min_bid"] for x in o if x.get("min_bid"))
    bid = f"{b[0]:.2f}" if b else "n/a"
    print(f'{label}: n={len(p)} | {p[0]:.2f} / {statistics.median(p):.2f} / {p[-1]:.2f}'
          f' USD/h | bid floor {bid}')
PY

የ3ቢ ሞዴሎች ርካሽ ካርድ መጠቀም የማይችሉበት ምክንያት

ከላይ ባሉት መካከለኛ እሴቶች መሰረት የ4090 ሰዓት እና የH100 80 ጂቢ ሰዓት በግምት በስድስት እጥፍ ይለያያሉ። ወደ ውድ ካርድ የሚያስገድድህ ፍጥነት ሳይሆን ሜሞሪ ነው። openpi ለሙሉ Pi0.5 ፋይን-ቲዩን ዝቅተኛውን መስፈርት 70 ጂቢ ያስቀምጣል፣ እና NVIDIA ደግሞ ለGR00T 40 ጂቢ ወይም ከዚያ በላይ ይመክራል። የGR00T ቁጥር ምን እንዳልሆነ ልብ ይበሉ። የእሱ ፋይን-ቲዩን ኮንፊግ በነባሪነት የቋንቋ ሞዴሉን እና የእይታ ኢንኮደሩን ያቀዘቅዛል (tune_llm እና tune_visual ሐሰት ሲሆኑ፣ ፕሮጀክተሩ እና ዲፍዩዥን ሄዱ እውነት ናቸው)፣ ለዚህም ነው ካታሎጉ ከ3 ቢሊዮን ውስጥ በግምት 40 ሚሊዮን የሰለጠኑ ፓራሜትሮችን የሚዘረዝረው። 40 ጂቢ ለ3 ቢሊዮን ክብደቶች የኦፕቲማይዘር ሁኔታ ሳይሆን፣ የቀዘቀዘው የጀርባ አጥንት እና አክቲቬሽን ነው። የተቀነሰ ስፋት ያላቸው ልዩነቶች ዝቅ ይላሉ፡ የopenpi LoRA መንገድ 22.5 ጂቢ ይፈልጋል እና 4090ን ይጠቅሳል፣ የNVIDIA Isaac Lab Arena የስራ ፍሰት ደግሞ ለGR00T ከስልጠና በኋላ 24 ጂቢ ነጠላ-ጂፒዩ አማራጭ ይዘረዝራል። መድረኩ እያንዳንዱ አቅራቢ ለሚያስኬደው ኮንፊገሬሽን በሚያወጣው ዝቅተኛ መስፈርት ላይ የተመሰረተ ነው። የpi0 ፍሎው-ማቺንግ ማብራሪያ ያ ፍሎው-ማቺንግ አሻራ ከየት እንደመጣ ያብራራል።

ያ ሰንጠረዥ መድረኩ አምስቱን ሞዴሎች በሁለት ደረጃዎች የከፈለው ለምን እንደሆነ ያሳያል። GR00T N1.7፣ GR00T N1.5 እና Pi0.5 በA100 80 ጂቢ ወይም H100 ላይ ይሰራሉ ምክንያቱም አቅራቢዎቹ የሚጠይቁት ይህንን ነው። SmolVLA እና ACT በRTX 4090 ወይም በማንኛውም 24 ጂቢ ካርድ ላይ ይሰራሉ ምክንያቱም ያ በእርግጥ በቂ ነው።

እያንዳንዱ አምስቱ ሞዴሎች በትክክል የሚሰሩበት ጊዜ

የአሂድ ጊዜ የዋጋው ሌላኛው ግማሽ ነው፡ ስራው 40 ደቂቃ ከሆነ በሰዓት 2.00 USD ምንም ፋይዳ የለውም፣ 40 ሰዓት ከሆነ ደግሞ አጥፊ ነው። እነዚህ AY-Robots በትክክል ወደ አሰልጣኙ የሚልካቸው ነባሪ ቅንብሮች ናቸው፣ ለእያንዳንዱ ደረጃ የአሂድ መስኮት እና ወጪን ጨምሮ።

የእነዚህ የሩጫ ጊዜ ግምቶች ምንጭ

• SmolVLA: የለሮቦት ሰነድ እንደሚያመለክተው 20,000 እርምጃዎች በአንድ A100 ላይ በግምት 4 ሰዓታት ይወስዳል። መድረኩ ተመሳሳይ 20,000 እርምጃዎችን ርካሽ በሆነው 24 ጂቢ ደረጃ ላይ ያካሂዳል፣ ስለዚህም ጠፍጣፋ 4 ሰዓታት ሳይሆን የጊዜ መስኮት ነው።
• ACT: የመጀመሪያው ALOHA ወረቀት ለአንድ 80M-parameter ሞዴል በአንድ 11 ጂቢ RTX 2080 Ti ላይ ወደ 5 ሰዓታት ያህል ሪፖርት ያደርጋል። አንድ 4090 ከበርካታ ትውልዶች በኋላ የወጣ ቢሆንም መድረኩ 100,000 እርምጃዎችን ስለሚያስቀምጥ፣ የጊዜ መስኮቱ በተመሳሳይ ቦታ ላይ ያርፋል።
• GR00T: የNVIDIA የN1.6 ትውልድ የማጣቀሻ የስራ ፍሰት ለ20,000 እርምጃዎች በbatch 24 ስምንት L40S ካርዶች ላይ በግምት ከ4 እስከ 8 ሰዓታት፣ እና ለ30,000 እርምጃዎች በbatch 16 በአንድ Ada 6000 ላይ ከ2 እስከ 3 ሰዓታት ይወስዳል። የአንድ 3B VLA በአንድ ካርድ በጥቂት ሰዓታት ውስጥ ማስተካከል የተለመደ እንጂ ብሩህ ተስፋ አይደለም።
• Pi0.5: openpi ትክክለኛ የጊዜ አሃዝ አያትምም፣ ነገር ግን ለሙሉ fine-tune የሚያስፈልገውን 70 ጂቢ ዝቅተኛ ገደብ ያትማል፣ ይህም ካርዱን እና በዚህም ፍጥነቱን ይወስናል።

እርስዎ የማይከፍሉትን ቁጥር ላይ ማሰብ ተገቢ ነው። የGR00T N1 ወረቀት 2.2B ሞዴሉን ለማሰልጠን በግምት 50,000 H100 GPU ሰዓታት እንደወሰደ ሪፖርት ያደርጋል፣ እስከ 1024 ጂፒዩዎች ባለው ክላስተር ላይ፣ በ16,384 የቅድመ-ስልጠና ባች መጠን ለ200,000 gradient እርምጃዎች። ከላይ በተለካው በሰዓት ከ1.34 እስከ 2.34 ዶላር ሲሰላ፣ ይህ ከ67,000 እስከ 117,000 ዶላር የሚደርስ የተከራየ የኮምፒዩተር ወጪ ነው። የSmolVLA ወረቀት ፕሮጀክቱን በ481 የማህበረሰብ ዳታ ስብስቦች፣ 22.9K ክፍሎች እና 10.6M ፍሬሞች ላይ በግምት 30,000 GPU ሰዓታት እንደወሰደ ያስቀምጣል። ይህን ሁሉ በዳውንሎድ ዋጋ ይወርሳሉ፤ የእርስዎ 8 ዶላር የመጨረሻዎቹን 20,000 እርምጃዎች ይገዛል። VLAs በዚህ መንገድ የተገነቡት ለምንድን ነው ያንን ክፍፍል ይሸፍናል።

ክንዱ: የጂፒዩ ወጪን የሚያንኳስስ የአንድ ጊዜ ወጪ

አንድ የስልጠና ሩጫ ከምሳ ያነሰ ዋጋ ያስከፍላል። ሮቦቱ ግን አያስከፍልም። ለዚህም ነው SO-100 አስፈላጊ የሆነው፡ አጠቃላይ የየመኮረጅ ትምህርት መሳሪያዎች በትክክል የሚደግፉት በጣም ርካሹ ክንድ ነው።

በSO-ARM100 ሪፖዚቶሪ ውስጥ ያለው የቁሳቁስ ዝርዝር የበለጠ ዝርዝር ሲሆን ከክልልዎ ጋር ማረጋገጥ ተገቢ ነው፡ የለሁለት ክንዶች ክፍሎች ዝርዝር ለመሪ እና ተከታይ ማዋቀር 229.88 USD ወይም 226.30 EUR ይደርሳል፣ እና የለአንድ ተከታይ ክንድ ክፍሎች ዝርዝር 121.94 USD ወይም 124.30 EUR ይደርሳል። እያንዳንዳቸው 13.89 USD የሚያወጡ ስድስት STS3215 ሰርቮስ ከ121.94 ውስጥ 83.34 ናቸው፣ ስለዚህ ሰርቮስ ክንዱ ናቸው። በአንድ SmolVLA ወይም ACT ሩጫ ከ1 እስከ 3 USD ሲሆን፣ አንድ ጥንድ ክንዶች ከ77 እስከ 230 የስልጠና ሩጫዎች ዋጋ አላቸው። አሁንም እየመረጡ ከሆነ፣ SO-100 ከ SO-101 ጋር አስፈላጊው ንጽጽር ነው፣ ምክንያቱም ሁለቱ በጣም ስለሚቀራረቡ ውሳኔው ስለ ተገኝነት እንጂ ስለ አቅም አይደለም።

የሰው ሰዓታት: ማንም ሰው በሰንጠረዡ ውስጥ የማያስገባው መስመር

ይህ የወጪ ውይይቱን ሙሉ በሙሉ የሚቀይር ቁጥር ነው። ማሳያዎችን መቅዳት ማለት አንድ ሰው የሮቦት ክንድን በእውነተኛ ጊዜ፣ አንድ ክፍል በአንድ ጊዜ ማንቀሳቀስ ማለት ነው። በቡድን የሚሰራ ወይም በሰከንድ የሚከራይ አይደለም። የLeRobot ዳታሴት መቅጃው ስሌቱን ቀላል የሚያደርጉ ነባሪ ቅንብሮች አሉት፣ ሦስቱም በDatasetRecordConfig: ለእያንዳንዱ ክፍል 60 ሰከንዶች፣ ትዕይንቱን ለማስተካከል 60 ሰከንዶች፣ 50 ክፍሎች። ከታች ያለው የገንዘብ ዓምድ የአንድ ሰው የሥራ ሰዓት 15 USD እንደሆነ ይገምታል፣ ይህም የመድረክ ቁጥር ሳይሆን ግምት ነው። የራስዎን ዋጋ ይተኩ፤ ዋናው ነገር ጥምርታው ነው።

1. 1
   በእርግጥም የሚከፈልብዎትን ነባሪ ቅንብሮች በመጠቀም ዳታሴቱን ይመዝግቡ

   ይህ lerobot 0.6.1 ነው፣ በPyPI ላይ እስከ ነሐሴ 3 ቀን 2026 ድረስ ያለው ስሪት። የCLI ቅርፅን ልብ ይበሉ: ቀረጻ የሚካሄደው በlerobot-record ኮንሶል መግቢያ ነጥብ (lerobot.scripts.lerobot_record) ነው፣ በአሮጌው python -m lerobot.scripts.record ሞጁል መንገድ አይደለም። AY-Robots 0.5.1ን ኢላማ ያደርጋል፣ እና የ0.5.1 ዊል ተመሳሳይ lerobot-record እና lerobot-train መግቢያ ነጥቦችን ያውጃል፣ ስለዚህ ከታች ያለው ቅርፅ በሁለቱም ላይ የተረጋጋ ነው። ሦስቱ የጊዜ ማስተካከያ ባንዲራዎች የላይኛው ነባሪዎች ናቸው፣ ስለዚህ ይህ በሚቀጥለው ሠንጠረዥ ውስጥ ያለው ስሌት የሚገምተው ትዕዛዝ ነው።

   bash

   lerobot-record \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM0 \
       --robot.id=my_follower_arm \
       --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30} }" \
       --teleop.type=so100_leader \
       --teleop.port=/dev/ttyACM1 \
       --teleop.id=my_leader_arm \
       --dataset.repo_id=${HF_USER}/pick-place-cube \
       --dataset.num_episodes=50 \
       --dataset.episode_time_s=60 \
       --dataset.reset_time_s=60 \
       --dataset.single_task="Grab the black cube and put it in the bin"

2. 2
   አንድ የጂፒዩ ደቂቃ ከመከራየትዎ በፊት የመዘገቡትን ይመልከቱ

   ዳታሴትን መፈተሽ በሰዓት ዜሮ USD ያስከፍላል። ተመሳሳይ ችግርን ከኪሳራ ኩርባ ማግኘት በH100 ደረጃ በሰዓት 2.00 USD ያስከፍላል እና አራት ሰዓታት ዘግይቶ ይነግርዎታል። ዳታሴቱን ይግፉት እና በLeRobot መመልከቻ ውስጥ ይፈትሹት፣ ወይም የAY-Robots ዳታሴት ማውጫን ያስሱ።

   bash

   # the recorder pushes to the Hub by default; disable with --dataset.push_to_hub=False
   echo https://huggingface.co/datasets/${HF_USER}/pick-place-cube
   
   # then open https://huggingface.co/spaces/lerobot/visualize_dataset
   # and scrub through episodes: are both camera streams alive on every episode?
   # is the gripper actually closing? does the arm sit at a joint limit?

3. 3
   ያሰለጥኑ፣ እና የፍተሻ ነጥቡ ከፖዱ የበለጠ ዕድሜ እንዳለው ያረጋግጡ

   የተከራየ ማሽን በትርጉሙ ጊዜያዊ ነው፣ ስለዚህ በሚሰራበት ጊዜ የፍተሻ ነጥቦችን ዘላቂ በሆነ ቦታ ላይ ይፃፉ። ሁለት ባንዲራዎች የከፈሉበትን ነገር ይዘው መቆየትዎን ይወስናሉ። --save_freq ነባሪው 20,000 እርምጃዎች ነው፣ ስለዚህ ነባሪ 20,000-እርምጃ SmolVLA አሂድ የመጀመሪያውን የፍተሻ ነጥብ የሚጽፈው አሂዱ አስቀድሞ ሲያልቅ ነው፤ ማንኛውንም ሊቋረጥ የሚችል ነገር ከመከራየትዎ በፊት ይቀንሱት። --save_checkpoint_to_hub --policy.repo_idን ይፈልጋል እና በlerobot 0.5.1 ውስጥ የለም፣ ስለዚህ በዚያ ስሪት ላይ የውጤት ማውጫውን ከማሽኑ እራስዎ ይገለብጣሉ። ከታች ያለው የቡድን መጠን የላይኛው ሰነድ ምሳሌ ነው፤ የAY-Robots ቅጽ ለSmolVLA 2 ይልካል እና የፍተሻ ነጥቦች ሲታዩ ወደ ዕቃ ማከማቻ ይጽፋል።

   bash

   lerobot-train \
       --policy.path=lerobot/smolvla_base \
       --dataset.repo_id=${HF_USER}/pick-place-cube \
       --batch_size=64 \
       --steps=20000 \
       --save_freq=2000 \
       --output_dir=outputs/train/my_smolvla \
       --job_name=my_smolvla_training \
       --policy.device=cuda \
       --policy.repo_id=${HF_USER}/my_smolvla \
       --save_checkpoint_to_hub=true

የቀኝ ዓምዱን ከ1 እስከ 12 ዶላር ከሚወጣው የሩጫ ወጪ ጋር ያነጻጽሩ። በዚህ ግምት፣ 50-ክፍል ያለው የውሂብ ስብስብ (dataset) ከመለካት፣ ካሜራ ከማዘጋጀት እና ከሚጣሉ ክፍሎች በፊት፣ ለማሰልጠን ከሚያስፈልገው ወጪ ሁለት እስከ ሰባት እጥፍ የበለጠ ለመቅረጽ ያስከፍላል። ለዚህ ነው ቀጥተኛ የገንዘብ ዋጋ ያለው። የLeRobot መመሪያ ለእያንዳንዱ ነገር ቦታ 10 ክፍሎች ያሉት ቢያንስ 50 ክፍሎችን ይጠቁማል፤ የSmolVLA ሰነዶች ተመሳሳይ ተግባር ያለው የ25-ክፍል ስሪት በቂ እንዳልሆነ ሪፖርት ያደርጋሉ።

ገንዘቡ በትክክል የት እንደሚጠፋ

1. በጭራሽ የማይሰራ ውሂብ ላይ የሚደረጉ ሩጫዎች

ሁለት የተለዋወጡ የካሜራ ዥረቶች ባሉት የውሂብ ስብስብ ላይ የተደረገ የ20,000-ደረጃ GR00T ሩጫ ንጹህ የውሂብ ስብስብ ላይ እንደተደረገው ተመሳሳይ ወጪ ያስከፍላል፣ ተመሳሳይ ጊዜ ይወስዳል፣ እና ጥሩ የሚመስል የኪሳራ ኩርባ (loss curve) ያመነጫል። ውድቀቱ በክንዱ ላይ፣ ከሰዓታት በኋላ ይታያል። በሰዓት የሚከፈሉ ሲሆን ምርመራው ደግሞ በቀናት ይከፈላል። ለማስታወስ የሚገቡ ሁለት ምልክቶች: ብዙውን ጊዜ ምልከታዎቹ ተግባሩ የሚፈልገውን መረጃ እንደማይይዙ ያሳያል፣ እና ማለት የውሂብ ስብስቡ እርስዎ ከገመቱት ያነሰ ልዩነት ነበረው ማለት ነው።

2. ለቋሚ ካሜራ ተግባር የመሠረት ሞዴል ዋጋ መክፈል

ACT በግምት 80M ፓራሜትሮች ያሉት ሲሆን ከአንድ ተግባር 50 ማሳያዎች ላይ ከመጀመሪያው ጀምሮ ለማሰልጠን ታስቦ የተሰራ ነው። GR00T N1.7 በግምት 3B ሲሆን ቅድመ-የሰለጠነ የጀርባ አጥንት አለው። ለተሰካ ካሜራ፣ ቋሚ ጠረጴዛ እና አንድ ነገር፣ የ80M ሞዴል ብዙ ጊዜ ስራውን ያከናውናል፣ በአንድ የድርጊት እርምጃ 152 ms ፈንታ በግምት 20 ms ይወስዳል፣ እና በአንድ ሩጫ ከ4 እስከ 12 USD ፈንታ ከ1 እስከ 3 USD ያስከፍላል። ውድ በሆነው ላይ 12 USD ከማውጣትዎ በፊት ርካሹ ሞዴል እንደሚሰራ ለማወቅ 3 USD ያውጡ። ACT ከ SmolVLA ጋር እና GR00T N1.7 ከ Pi0.5 ጋር የትኛው ትክክለኛ መልስ መሆን እንደሚያቆም ያሳያሉ፤ የሞዴል መድረክ 85 ሞዴሎች እና 332 የቤንችማርክ ውጤቶች አሉት።

3. የረሱት ጂፒዩ

ለመከላከል በጣም ርካሹ ስህተት እና በጣም የተለመደው ስህተት። የሆነ ነገር ለማረም አርብ የተጀመረ ምሳሌ በእውነተኛ ሩጫ ልክ በሳምንቱ መጨረሻ ሁሉ ክፍያ ያስከፍላል።

በAY-Robots ላይ ይህ ስህተት ለመገመት ታስቦ የተወገደ ነው: በመገመቻ ኤፒአይ የሚቀርቡ ፖዶች ስራ ፈት የጥበቃ ሰዓት ይዘው ስራ ፈት ከሆኑ በኋላ ራሳቸውን ያጠፋሉ። ካርዱን እራስዎ የሚከራዩ ከሆነ፣ ያ የጥበቃ ሰዓት የእርስዎ የቀን መቁጠሪያ አስታዋሽ ነው።

4. ለአንድ አይነት መልስ ሁለት ጊዜ መክፈል

የGR00T ጥሩ ማስተካከያ መግቢያ ነጥብ ምንም ዘር የማያሳይ የtyro CLI ነው። ይህ የመድረክ ገደብ አይደለም፣ የላይኛው መሳሪያ ነው: በgr00t/configs/finetune_config.py ውስጥ ምንም የዘር መስክ የለም፣ እና የማከማቻው የራሱ የስልጠና ምክሮች የሩጫዎች ውጤት ከ5 እስከ 6 በመቶ ሊለያይ እንደሚችል ያስጠነቅቃሉ ምክንያቱም የምስል ማበልጸጊያዎች ወሳኝ ስላልሆኑ። lerobot በ0.5.1 እና 0.6.1 ውስጥ ወደ ዘር 1000 በነባሪነት ይቀመጣል፣ ስለዚህ የACT፣ SmolVLA እና Pi0.5 ሩጫዎች ቢያንስ ከተመሳሳይ ማስጀመሪያ እና የውሂብ ቅደም ተከተል እንደገና ሊሰሩ ይችላሉ። ይህ በጂፒዩ ላይ የቢት-ተመሳሳይ ክብደቶች ቃል ኪዳን አይደለም፣ ነገር ግን በድጋሚ ሩጫ እና በአዲስ ሙከራ መካከል ያለው ልዩነት ነው። የGR00T ሩጫ የሚሰራ ፖሊሲ ካመነጨ እና እርስዎ ቼክፖይንት ካልያዙ፣ እርስዎ ከሚፈልጉት ልዩነት በላይ ሊለያይ ለሚችል ውጤት ሙሉ ዋጋ ይከፍላሉ። ለከፈሉበት ቼክፖይንት የሚያጡበት ሁለተኛ መንገድ አለ: CLI በነባሪነት ወደ --save-total-limit 5 ይቀመጣል፣ ይህም የቆዩ ቼክፖይንቶች ከመሰረዛቸው በፊት የሚቀመጡት ከፍተኛው የቼክፖይንቶች ብዛት ተብሎ ተመዝግቧል። ማከማቻ ሳንቲም ነው; ድጋሚ ሩጫ ከ4 እስከ 12 ዶላር እና ስድስት ሰዓት ነው።

እራስዎ ማድረግ ወይስ መድረኩ ካርዱን እንዲከራይ መፍቀድ

# GR00T N1.7, single GPU, Isaac-GR00T as of August 2026.
# Note the entry point: gr00t/experiment/launch_finetune.py, a tyro CLI.
# scripts/gr00t_finetune.py does not exist in this repository; tutorials that
# still reference it are stale. The per-embodiment walkthrough is
# getting_started/finetune_new_embodiment.md.
CUDA_VISIBLE_DEVICES=0 uv run python gr00t/experiment/launch_finetune.py \
    --base-model-path nvidia/GR00T-N1.7-3B \
    --dataset-path demo_data/cube_to_bowl_5 \
    --embodiment-tag NEW_EMBODIMENT \
    --modality-config-path examples/SO100/so100_config.py \
    --num-gpus 1 \
    --output-dir ./so100-checkpoints \
    --max-steps 20000 \
    --global-batch-size 32 \
    --dataloader-num-workers 4

# v3.0 dataset? Convert it down first or the loader will crash. The helper
# has its own pyproject and must be installed in its own environment:
cd scripts/lerobot_conversion
uv venv && source .venv/bin/activate
uv pip install -e .
python convert_v3_to_v2.py --repo-id <DATASET_REPO_ID>

ፕላትፎርሙ ምን እንደሚያስከፍል እና ካርዱን እንዴት እንደሚመርጥ

ሎጂኩ ሆን ተብሎ አሰልቺ ነው። በካታሎግ ውስጥ ያለ እያንዳንዱ ሞዴል የጂፒዩ ደረጃን ይገልጻል፤ የኋላው ክፍል የሚያስፈልገውን VRAM ወስዶ ከላይ በተለካው ተመሳሳይ የቦታ ገበያ ላይ ተመጣጣኝ ካርድ ይከራያል። የተጠቀሰው ወጪ ዋጋ ሳይሆን ክልል የሆነው ለዚህ ነው። GR00T እና Pi0.5 እዚህ ጋር 40 GB እና 70 GB ዝቅተኛ ገደቦች ስላሉት በክላውድ ላይ ብቻ የሚሰሩ ናቸው። SmolVLA እና ACT የራስዎ 24 GB ካርድ ላይ በአካባቢው ይሰራሉ፣ እዚያም የክላውድ ወጪ ዜሮ ሲሆን ኤሌክትሪክ ደግሞ የእርስዎ ችግር ነው።

አንድ መቆጣጠሪያ ማስጠንቀቂያ ይገባዋል። ግራዲየንት አኩሙሌሽን ለሁለቱም የGR00T አይነቶች በትክክል ይሰራል። ስለዚህ እሱን መጨመር በተመሳሳይ ካርድ ላይ ትልቅ ውጤታማ ባች ያስገኛል። ለPi0.5 እና SmolVLA ግን በጭራሽ አይሰራም፡ lerobot 0.5.1 በስልጠና ኮንፊግሬሽኑ ውስጥ የግራዲየንት-አኩሙሌሽን አማራጭ የለውም፣ ስለዚህ መስኩን ወደ 16 ማቀናበር ምንም አያስወጣም እና ምንም አያመጣም። የተሰለፈ ስራ በጭራሽ ካልጀመረ፣ በሰልፍ ውስጥ የተጣበቀው ገጽ ምን መፈተሽ እንዳለበት ይሸፍናል፤ የውሂብ ስብስቡ አሂዱ ከመጀመሩ በፊት ከተከለከለ፣ ሁልጊዜ ማለት ይቻላል የv3.0 ቅርጸት ችግር ነው።

ለመጀመሪያው የሚሰራ ፖሊሲ የተሰራ በጀት

አራቱም መስመሮች በአንድ ላይ፣ ከምንም ነገር በመጀመር። አጠቃላይ የጂፒዩ ወጪ ከ3 እስከ 5 ሩጫዎችን ይገምታል: የመጀመሪያው የፓይፕላይኑን ስራ ያረጋግጣል፣ ሁለተኛው የውሂብ ችግርን ያጋልጣል፣ ሶስተኛው ወይም አራተኛው እርስዎ የሚይዙት ነው።

በዚህ የሮቦት መጠን ስርዓቱ ተመሳሳይ ነው፡ ስሌት እዚህ ግባ የማይባል ሲሆን፣ ሃርድዌር እውነተኛ የአንድ ጊዜ ወጪ ነው፣ የሰው ሰዓታት ደግሞ ተደጋጋሚ ወጪ ናቸው። ማንኛውንም ነገር ከመግዛትዎ በፊት የስልጠናውን ግማሽ ለመሞከር፣ ሃርድዌር የሌላቸው የመግቢያ ነጥቦች ሞዴሎችን እንዲያወዳድሩ እና ክንድ ሳይኖርዎት ጂፒዩ እንዲከራዩ ያስችሉዎታል፣ እና ቀጥታ ክንድ ያለ ምዝገባ በአሳሽ ውስጥ ሊያሽከረክሩት የሚችሉት አካላዊ SO-100 ነው። ለጠቅላላው የሥራ ሂደት፣ የተሟላ የSO-100 መመሪያ ማዋቀርን፣ ቴሌኦፕሬሽን እና ስልጠናን ይሸፍናል፣ እና የመጀመሪያውን ፖሊሲዎን ያሰልጥኑ አጭር ስሪት ነው።