كيفية تدريب Pi0.5 على بيانات الروبوت الخاصة بك

Pi0.5 هو النموذج الذي تلجأ إليه عندما يتعين على سياسة ما العمل في غرفة لم ترها من قبل. وهو أيضًا الأكثر صعوبة من بين الخمسة السياسات القابلة للتدريب هنا لـ الضبط الدقيق يدويًا: المستودع الأصلي يعتمد على JAX أولاً، ونقل منفذ LeRobot النشر خارج lerobot-record في الإصدار 0.6.0 وجعل التثبيت الأساسي صغيرًا جدًا للتدريب به، ولا يتسع الضبط الدقيق الكامل على 4090. أدناه: ما هي تكلفة مطابقة التدفق عند الاستدلال، ومساري الأوامر، ورقم 485 ms الذي يحدد ما إذا كانت النتيجة قابلة للاستخدام.

ما هو Pi0.5 في الواقع

نشرت Physical Intelligence نموذج pi0 في أكتوبر 2024: وهو نموذج لمطابقة التدفق نموذج الرؤية واللغة والإجراءات على نموذج VLM مدرب مسبقًا: PaliGemma بـ 3 مليارات معلمة بالإضافة إلى خبير إجراءات بحجم 300 مليون معلمة تم تهيئته من الصفر، بإجمالي 3.3 مليار. تشير الورقة إلى التدريب المسبق على أكثر من 10,000 ساعة من بيانات الروبوت عبر 7 تكوينات روبوت و 68 مهمة. المزيد في مقالة pi0.

يحتفظ Pi0.5 (arXiv 2504.16054, 22 April 2025) بهذا الهيكل ويغير نظام التدريب: بيانات الويب، اكتشاف الكائنات، التعليمات اللفظية من البشر الذين يدربون الروبوت، تسميات المهام الفرعية، بيانات التجسيد المتقاطع من الروبوتات في العديد من المنازل. والنتيجة هي روبوت ينظف المطابخ في المنازل التي لم تكن ضمن مجموعة التدريب. يضيف ملف README الخاص بـ openpi تفصيلاً لا يذكره العنوان: تم تدريب pi0.5 الذي تم إصداره باستخدام عزل المعرفة (arXiv 2505.23705).

ما يغيره مطابقة التدفق في التدريب والاستدلال

سياسة يمكنك تدريبها على SO-100 إما أن تتراجع عن الإجراءات مباشرة (ACT) أو تقوم بتحويلها إلى رموز وفك تشفيرها بشكل تلقائي (pi0-FAST). مطابقة التدفق لا تفعل أياً من ذلك: فهي تتعلم مجالاً متجهًا ينقل الضوضاء إلى جزء عمل نظيف، ثم تقوم بدمجه. تستخدم ورقة pi0 10 خطوات تكامل بحجم خطوة 0.1؛ يحمل تكوين pi05 الخاص بـ LeRobot نفس num_inference_steps: int = 10.

• التدريب: يتراجع الفقد عن جزء عمل مشوش. لا يوجد مُرمز لضبطه، ولا يوجد تقطيع لزوايا مفاصلك.
• الاستدلال: يكلف جزء واحد عشر تمريرات أمامية عبر خبير الإجراءات. هذا هيكلي، وليس مشكلة ضبط.
• الإخراج: إجراءات مستمرة ذات أبعاد 32، مبطنة داخليًا، يتم أخذ الفقد على الأبعاد التي يمتلكها روبوتك. يستخدم ذراع 6-درجات حرية بالإضافة إلى القابض 7.

# 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

العمود الفقري لـ PaliGemma، والبوابة أمامه

PaliGemma (arXiv 2407.07726) هو مُشفّر رؤية SigLIP-So400m على نموذج لغة Gemma-2B، بحوالي 3 مليار معلمة. يرث Pi0.5 أداة الترميز الخاصة به، وتوجد أداة الترميز هذه في مستودع مغلق. هذه هي الطريقة الأكثر شيوعًا لفشل التشغيل الأول، قبل خطوة التدريب.

قبل أن تبدأ: تنسيق مجموعة البيانات، الحلقات، الأجهزة

يقرأ Pi0.5 في LeRobot مجموعة بيانات LeRobot بتنسيق v3.0، والذي صدر مع lerobot 0.4.0 في أكتوبر 2025: حلقات متعددة لكل ملف Parquet و MP4 بدلاً من ملف واحد لكل حلقة، مع تحديد الحدود في meta/episodes/ بدلاً من أسماء الملفات. سجل باستخدام عميل سطح المكتب أو اتبع سجل مجموعة بياناتك الأولى وستحصل عليها.

# 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

تتطلب المنصة 50 حلقة على الأقل لـ Pi0.5، وهو نفس الحد الأدنى لـ GR00T و ACT. يقوم التدريب المسبق بالعمل الشاق، لذا فإن 50 حلقة نظيفة أفضل من 200 حلقة غير دقيقة. هل أنت جديد في هذا؟ ابدأ بـ دليل جمع البيانات.

المسار أ: الضبط الدقيق باستخدام مستودع openpi

التطبيق المرجعي: JAX أولاً، تم اختباره على Ubuntu 22.04 فقط، مدفوعًا بكائنات التكوين بدلاً من العلامات. وصل مسار PyTorch في سبتمبر 2025، وتم التحقق منه على LIBERO. ثلاث خطوات: تحويل بياناتك، تحديد تكوين، تدريب وتقديم.

1. 1
   استنساخ وتثبيت

   يستخدم openpi أداة uv. تسمح GIT_LFS_SKIP_SMUDGE لـ LeRobot بالعمل كاعتمادية بدون كائنات LFS الثنائية.

   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
   تحويل بياناتك إلى مجموعة بيانات LeRobot

   يقدم المصدر المحولات لـ LIBERO و DROID ويتوقع منك تكييف أحدها. العمل يكمن في تعيين المفاتيح.

   bash

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

3. 3
   إضافة تكوين تدريب

   التكوينات هي إدخالات TrainConfig في src/openpi/training/config.py. هذا التكوين يكيف pi05_droid_finetune، مع توجيه محمل الأوزان إلى pi05_base.

   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
   حساب إحصائيات المعيار

   يعمل مقابل اسم التكوين، وليس مجموعة البيانات. تخطيه هو الفشل الكلاسيكي الأول هنا.

   bash

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

5. 5
   تدريب

   يسمح المتغير لـ JAX باستخدام 90 بالمائة من ذاكرة وحدة معالجة الرسوميات بدلاً من 75 بالمائة الافتراضية. على بطاقة 80 جيجابايت، يحدد ذلك ما إذا كان التشغيل سينجح.

   bash

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

6. 6
   تقديمه

   يستمع الخادم على المنفذ 8000 ويجيب على استعلامات المراقبة؛ وقت تشغيل الروبوت الخاص بك هو العميل.

   bash

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

المسار ب: الضبط الدقيق باستخدام lerobot pi05

منفذ LeRobot يغلف نفس الأوزان في واجهة سطر الأوامر التي تستخدمها بالفعل لـ ACT و SmolVLA. تم التحقق من كل ما يلي مقابل lerobot 0.6.1، الإصدار منذ 3 أغسطس 2026، ووثائق pi05 بتاريخ 23 أغسطس 2026. الإصدارات مهمة هنا: وصلت مجموعات بيانات v3.0 مع 0.4.0 في أكتوبر 2025، ومدونة 0.5.0 بتاريخ 9 مارس 2026 تقدم pi0-FAST و Real-Time Chunking، و 0.6.0 بتاريخ 6 يوليو 2026 جعلت الحزمة الأساسية خفيفة الوزن ونقلت النشر إلى lerobot-rollout.

شيء واحد لم يتغير: كان lerobot-train و lerobot-record بالفعل نقاط دخول في 0.3.2، أغسطس 2025. البرنامج التعليمي الذي لا يزال يستدعي python -m lerobot.scripts.train يسبق عامًا من التغييرات ويستحق عدم الثقة في البقية أيضًا.

1. 1
   التثبيت مع الملحقات الصحيحة

   منذ الإصدار 0.6.0، يتضمن التثبيت الأساسي تبعيات التعلم الآلي الأساسية فقط، ولا يضيف الملحق pi أي بيانات أو كود تدريب، لذا فإن الضبط الدقيق يتطلب الملحق التدريبي أيضًا. الأوامر القديمة ذات السطر الواحد تفشل هنا عند وقت الاستيراد.

   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
   المصادقة

   اقبل ترخيص paligemma-3b-pt-224 في المتصفح، ثم سجل الدخول على الجهاز الذي يقوم بالتدريب.

   bash

   hf auth login

3. 3
   إضافة إحصائيات الكوانتيل

   يقوم Pi0.5 بتطبيع STATE و ACTION باستخدام الكوانتيلات، لذا يحتاج meta/stats.json إلى q01 و q99. مجموعات البيانات القديمة تحتوي فقط على min, max, mean, std.

   bash

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

4. 4
   الضبط الدقيق من lerobot/pi05_base

   اضبط حجم الدفعة (batch size) بما يتناسب مع قدرة بطاقتك؛ تستخدم الوثائق 64 على LIBERO بسعة 80 جيجابايت. مرر bfloat16 بشكل صريح، الافتراضي في الإعدادات هو float32.

   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
   تشغيله على الذراع

   في الإصدار 0.6.x، هذا هو lerobot-rollout: يرفض lerobot-record سياسة ويرفض أسماء مجموعات بيانات eval_. يقوم Base بتحريك الذراع، ويقوم sentry بتسجيل عملية النشر.

   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

ثلاث مجموعات من الإعدادات الافتراضية، وأيها يصل إلى المدرب

تُعد TrainConfig من openpi هي المرجع، وPI05Config من LeRobot هي ما يستخدمه lerobot-train عندما لا تحدد شيئًا، ويرسل النموذج هنا مجموعة ثالثة. المفاجأة هي معدل التعلم: كلا الإعدادات الافتراضية الأصلية تصل إلى 2.5e-5، بينما ترفع إعدادات pi05_libero الخاصة بـ openpi وهذه المنصة المعدل إلى 5e-5.

هل المنفذ موثوق؟ قام فريق LeRobot بضبط النموذج الأساسي LIBERO بدقة لـ 6 آلاف خطوة إضافية وقارنوه بأرقام openpi المرجعية على أربع مجموعات: متوسط 97.5 بالمائة مقابل 96.85، متقدمًا في Libero 10، ومتأخرًا في Spatial. المسار هو خيار أدوات، وليس خيار جودة.

واقع 485 مللي ثانية، ومتى يصبح غير قابل للاستخدام

هذا يحدد مشروعك، لذا يأتي قبل جدول التكلفة. الـ زمن استجابة الاستدلال لكل خطوة إجراء تم قياسها هنا لـ Pi0.5 هي 485 مللي ثانية. مقارنة بالنماذج الأربعة الأخرى:

لدى المصدر حلاً، ونصفه موجود بالفعل في الإصدار الذي يمكنك تثبيته. توليد الأجزاء في الوقت الفعلي (Real-Time Chunking) يولد الجزء التالي بينما لا يزال الذراع ينفذ الجزء الحالي، ثم يوجه الخطوات المتداخلة للجزء الجديد للبقاء قريبة من الجزء الذي تم تنفيذه بالفعل، بحيث لا يتوقف الذراع أو يهتز عند نقطة الالتقاء. الشكل الخاص بوقت الاستدلال الذي تم شحنه في سجل التغييرات 0.4.2 لـ Pi0 و Pi0.5 و SmolVLA هو علامة نشر (rollout flag)، وليس إعادة تدريب:

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

هذا لا يجعل النموذج أسرع. إنه يخفي الفجوة: لا تزال 485 مللي ثانية تُستهلك، ولكن خارج المسار الحرج، بحيث لا تجف قائمة الانتظار بين الأجزاء. النسخة الخاصة بوقت التدريب من arXiv 2512.05964 تذهب أبعد من ذلك: يتعلم النموذج التكيّف مع بادئة إجراء نظيفة، لذلك عند الاستدلال يتم ملء التداخل بقوة باستخدام خطوات زمنية لتدفق كل إجراء بدلاً من التوجيه، ويختفي التمرير الخلفي للتوجيه. أثناء التدريب، يقوم بأخذ عينة من طول بادئة لكل مثال ويحسب خسارة التدفق على اللاحقة المتبقية. توجد هذه العلامة في الفرع الرئيسي (main) فقط، وليس في 0.6.1، ويجب أن يظل التأخير الذي تدرب عليه أقل من chunk_size.

طريقتان للحصول على نقطة فحص Pi0.5

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

عندما لا يعمل

• تم رفض مجموعة البيانات: الإصدار الثالث مطلوب
• نفاد الذاكرة أثناء التدريب
• ينخفض ​​الخسارة لكن السياسة لا تفعل شيئًا
• تتجمد السياسة في منتصف الحركة
• السياسة تعمل في إعداد واحد فقط
• مهمة التدريب عالقة في قائمة الانتظار

تكلفة التشغيل الواحد

يقع Pi0.5 في الفئة باهظة الثمن لأنه يحتاج إلى بطاقة 80 جيجابايت، وتتغير أسعار السوق الفورية، لذا فإن الرقم هو نطاق بدلاً من سعر محدد. للعديد من مهام SO-100، قم بتدريب SmolVLA أو ACT على فئة 24 جيجابايت أولاً، وتأكد من أن المهمة قابلة للتعلم على الإطلاق، ثم اقضِ ساعات A100 عليها. تدريب سياستك الأولى يشرح هذه الحلقة الأقل تكلفة، و التسعير يعرض الفئات الحالية.

قبل الالتزام بأمسية: GR00T N1.7 مقابل Pi0.5 و Pi0.5 مقابل SmolVLA تعرض نفس الأرقام وجهاً لوجه. الـ ساحة المقارنة تحتوي على 85 نموذج VLA مع 332 نتيجة معيارية، كل منها مرتبط بمصدره، والخلفية عن هذه الفئة موجودة في نظرة عامة على VLA الخاصة بنا.