স্থানীয় GPU ছাড়া GR00T ইনফারেন্স চালান

একটি Raspberry Pi একটি সিরিয়াল বাস ব্যবহার করে চালাতে এবং দুটি USB ক্যামেরা থেকে ফ্রেম টানতে যথেষ্ট। এটি তিন বিলিয়ন প্যারামিটারের একটি চালানোর জন্য যথেষ্ট নয়: NVIDIA-এর README অনুসারে GR00T N1.7 ইনফারেন্সের জন্য 16 GB বা তার বেশি VRAM সহ একটি GPU প্রয়োজন। আপনার ফাইন-টিউন করা চেকপয়েন্টটি কার্ড না কিনে আর্মের উপর কী করে তা দেখতে, নীতিটি একটি ভাড়া করা ক্লাউড GPU-তে রাখুন, রোবট লুপটি USB পোর্ট সহ মেশিনে রাখুন এবং নেটওয়ার্কের মাধ্যমে পর্যবেক্ষণ ও অ্যাকশন চাঙ্ক পাঠান।

এটি কাজ করে, এটি বিনামূল্যে নয় এবং এর মূল্য কাজগুলির মধ্যে সমানভাবে বন্টিত নয়। নিচে: NVIDIA-এর নিজস্ব পলিসি সার্ভার, lerobot-এর অ্যাসিঙ্ক স্ট্যাক, আপনার আপলিঙ্ক যথেষ্ট দ্রুত কিনা তা আগে থেকে বলে দেওয়া পাটিগণিত, এবং প্ল্যাটফর্ম রুট। এর সবগুলি 23 আগস্ট 2026 তারিখে Isaac-GR00T মেইন ব্রাঞ্চ (N1.7 GA) এবং lerobot 0.6.1 এর সাথে যাচাই করা হয়েছে।

কেন নীতিটি রোবট মেশিনে ফিট হবে না

AY-Robots প্রশিক্ষণ দিতে পারে এমন পাঁচটি নীতির মধ্যে দুটি ওয়ার্কস্টেশন কার্ডে চলে, তিনটি চলে না। নিচের কলামটি প্রতি অ্যাকশন স্টেপের জন্য, এবং এই সংখ্যাটি আপনার নেটওয়ার্ক রাউন্ড ট্রিপের সাথে প্রতিযোগিতা করে।

এটিকে একটি সিদ্ধান্ত হিসাবে পড়ুন, তুচ্ছ বিষয় হিসাবে নয়। ACT প্রতি ধাপে 20 ms-এ রোবট মেশিনে চলে এবং আপনাকে এটি নিয়ে আর ভাবতে হয় না। Pi0.5 485 ms-এ একটি প্যাকেট আপনার বিল্ডিং ছেড়ে যাওয়ার আগে এক সেকেন্ডের এক তৃতীয়াংশ সময় ব্যয় করেছে। পলিসি তুলনা এবং GR00T N1.7 vs Pi0.5 নির্ভুলতার দিকটি যোগ করে।

বিদ্যমান দুটি ক্লায়েন্ট-সার্ভার স্ট্যাক

Isaac-GR00T একটি ZeroMQ রিকোয়েস্ট-রিপ্লাই সার্ভার সরবরাহ করে; lerobot অ্যাসিঙ্ক্রোনাস ইনফারেন্সের উপর ভিত্তি করে একটি gRPC সার্ভার সরবরাহ করে। উভয়ই একটি GR00T চেকপয়েন্ট গ্রহণ করে। lerobot-এর সমর্থিত পলিসি তালিকা async_inference/constants.py-এ হল act, smolvla, diffusion, tdmpc, vqbet, pi0, pi05 এবং groot; এর রোবট তালিকা হল so100_follower, so101_follower, bi_so_follower এবং omx_follower।

সিরিয়ালাইজেশন সারিটি দেখতে যতটা গুরুত্বপূর্ণ তার চেয়েও বেশি। GR00T-এর MsgSerializer উভয় দিকেই অবজেক্ট-dtype ndarray পেলোড প্রত্যাখ্যান করে, কারণ msgpack_numpy অন্যথায় সেগুলিকে পিকলের কাছে হস্তান্তর করবে। lerobot এর পরিবর্তে পিকল করে: policy_server.py কল করে pickle.loads রিকোয়েস্ট ডেটার উপর, robot_client.py এটি যে পর্যবেক্ষণ পাঠায় তা পিকল করে। একটি বিশ্বস্ত LAN-এ এটি রক্ষাযোগ্য, কিন্তু একবার পোর্টটি ইন্টারনেট থেকে অ্যাক্সেসযোগ্য হলে এটি অরক্ষণীয়।

রুট A: NVIDIA-এর নিজস্ব GR00T পলিসি সার্ভার

এটি সেই পথ যা NVIDIA SO-100 এবং SO-101 হার্ডওয়্যারের জন্য নথিভুক্ত করে, এবং এটি ব্যবহার করতে হবে যদি আপনার চেকপয়েন্ট examples/finetune.sh এর সাথে --embodiment-tag NEW_EMBODIMENT থেকে আসে। ধাপগুলি আপস্ট্রিম README যা বাদ দিয়েছে তা যোগ করে: পোর্টটিকে অন্য সবার কাছে উন্মুক্ত না করে রোবটের কাছে নিয়ে যাওয়া।

1. 1
   ভাড়া করা GPU বক্সে GR00T ইনস্টল করুন

   সাবমডিউলগুলি প্রয়োজন, এবং ক্লোন করার আগে git-lfs অবশ্যই থাকতে হবে অন্যথায় demo_data-এর পারকেট ফাইলগুলি পয়েন্টার হিসাবে আসবে। flash-attn এবং TensorRT ডিফল্ট ইনস্টলের সাথে আসে। একটি নতুন পড ইমেজে সমস্যা: torchcodec 0.8.0 হল একমাত্র সমর্থিত ভিডিও ব্যাকএন্ড এবং এটি শুধুমাত্র FFmpeg 4 থেকে 7 লোড করে। Ubuntu 25.10 এবং 26.04 FFmpeg 8 সহ আসে, তাই GR00T Could not load libtorchcodec ত্রুটি দিয়ে ব্যর্থ হয়। 8-এর নিচে একটি FFmpeg ইনস্টল করুন এবং এর লাইব্রেরিগুলি LD_LIBRARY_PATH-এ রাখুন।

   bash

   sudo apt install git-lfs && git lfs install
   curl -LsSf https://astral.sh/uv/install.sh | sh
   sudo apt-get update && sudo apt-get install -y ffmpeg
   
   git clone --recurse-submodules https://github.com/NVIDIA/Isaac-GR00T
   cd Isaac-GR00T
   uv sync --python 3.12
   uv run python -c "import gr00t; print('GR00T installed successfully')"

2. 2
   গেটেড ব্যাকবোনের বিরুদ্ধে প্রমাণীকরণ করুন

   আপনার নিজস্ব ফাইন-টিউন সহ প্রতিটি GR00T N1.7 চেকপয়েন্ট, প্রথম ব্যবহারে গেটেড nvidia/Cosmos-Reason2-2B লোড করে। মডেল পৃষ্ঠায় অ্যাক্সেসের অনুরোধ করুন এবং পডে লগ ইন করুন, অন্যথায় লোডিং GatedRepoError ত্রুটি দিয়ে ব্যর্থ হবে।

   bash

   uv run huggingface-cli login
   # or:  export HF_TOKEN=<your_token>

3. 3
   পলিসি সার্ভার শুরু করুন

   আপনার চেকপয়েন্ট ডিরেক্টরিতে --model-path নির্দেশ করুন; সেই পথে সার্ভার --modality-config-path উপেক্ষা করে, যা শুধুমাত্র রিপ্লে পাথে পড়া হয়। --model-path বাদ দিন এবং এর পরিবর্তে --dataset-path এবং --execution-horizon পাস করুন একটি ReplayPolicy-এর জন্য যা রেকর্ড করা অ্যাকশনগুলি রিপ্লে করে, যা ওয়্যারিং কাজ করে তা প্রমাণ করার সবচেয়ে সস্তা উপায়।

   bash

   uv run python gr00t/eval/run_gr00t_server.py \
     --model-path /workspace/so100_finetune/checkpoint-10000 \
     --embodiment-tag NEW_EMBODIMENT \
     --device cuda:0 \
     --host 127.0.0.1 --port 5555

4. 4
   রোবট মেশিনে পোর্ট 5555 টানেল করুন

   উপরের মতো লুপব্যাকে বাইন্ড করুন এবং SSH বা WireGuard-স্টাইলের মেশের মাধ্যমে পোর্টটি বহন করুন। এটি এনক্রিপশন এবং প্রমাণীকরণ সরবরাহ করে যা ZeroMQ সকেট করে না, প্রায় এক মিলিসেকেন্ডের জন্য।

   bash

   # on the robot machine
   ssh -N -L 5555:127.0.0.1:5555 root@<pod-host> -p <pod-ssh-port>
   
   # sanity check that something answers
   nc -vz 127.0.0.1 5555

5. 5
   সার্ভোগুলির পাশে রোবট ক্লায়েন্ট চালান

   ক্লায়েন্টের নিজস্ব uv পরিবেশ প্রয়োজন: এটি lerobot-এর রোবট ড্রাইভার চায়, প্রশিক্ষণ স্ট্যাক নয়। eval_so100.py so100_follower, so101_follower এবং koch_follower ইম্পোর্ট করে, তাই আপনার আর্মের সাথে মিলে যাওয়া --robot.type পাস করুন (আপস্ট্রিম README so101_follower ব্যবহার করে)। ক্যামেরা কীগুলি প্রশিক্ষণের সাথে মিলতে হবে: অ্যাডাপ্টার ঠিক front এবং wrist পড়ে, এবং সেগুলিকে অদলবদল করলে পলিসিকে ভুল ভিউ দেখায়।

   bash

   cd gr00t/eval/real_robot/SO100
   uv sync
   uv pip install --no-deps -e ../../../../
   
   uv run --no-sync python eval_so100.py \
     --robot.type=so100_follower \
     --robot.port=/dev/ttyACM0 \
     --robot.id=orange_follower \
     --robot.cameras="{ front: {type: opencv, index_or_path: 6, width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: 2, width: 640, height: 480, fps: 30}}" \
     --policy_host=127.0.0.1 \
     --policy_port=5555 \
     --lang_instruction="pick up the red block and put it in the bin"

রুট B: lerobot অ্যাসিঙ্ক ইনফারেন্স

lerobot একটি ভিন্ন সমস্যা সমাধান করে। মডেল চিন্তা করার সময় রোবটকে ব্লক করার পরিবর্তে, ক্লায়েন্ট তার বিদ্যমান কিউয়ের মাধ্যমে কাজ চালিয়ে যায় যখন সার্ভার পরবর্তী অংশ গণনা করে। এটি অ্যাকশন চাঙ্কিং আরও এগিয়ে নেওয়া হয়েছে, SmolVLA-এর সাথে প্রবর্তিত অ্যাসিঙ্ক্রোনাস স্ট্যাক। এটি একটি GR00T চেকপয়েন্টের সাথেও কাজ করে।

# GPU machine
pip install -e ".[async]"
python -m lerobot.async_inference.policy_server \
     --host=127.0.0.1 \
     --port=8080

# robot machine, after tunnelling 8080
python -m lerobot.async_inference.robot_client \
    --server_address=127.0.0.1:8080 \
    --robot.type=so100_follower \
    --robot.port=/dev/ttyACM0 \
    --robot.id=follower_so100 \
    --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30}, wrist: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30}}" \
    --task="pick up the red block and put it in the bin" \
    --policy_type=groot \
    --pretrained_name_or_path=<user>/my_groot_finetune \
    --policy_device=cuda \
    --actions_per_chunk=50 \
    --chunk_size_threshold=0.5 \
    --debug_visualize_queue_size=True

সার্ভারটি খালি শুরু হয়: এটি ক্লায়েন্টের প্রথম হ্যান্ডশেক না বলা পর্যন্ত কোন নীতি পরিবেশন করবে তা জানে না, যা একটি ভাড়া করা পডে সুবিধাজনক। যে দুটি নব সিদ্ধান্ত নেয় যে বাহুটি মসৃণভাবে চলে কিনা তা হল actions_per_chunk এবং chunk_size_threshold (lerobot ডকুমেন্টেশন দ্বিতীয়টিকে g বলে, SmolVLA পেপারের পরে), এবং নথিভুক্ত মান এবং প্রেরিত মানগুলি একমত নয়।

যে পাটিগণিত আপনার লিঙ্ক যথেষ্ট দ্রুত কিনা তা নির্ধারণ করে

লোকেরা এটি এড়িয়ে যায় এবং তারপর একদিন ব্যয় করে . এটি দুই মিনিট সময় নেয় এবং প্রায় সবসময়ই এটি চূড়ান্ত।

NVIDIA-এর eval_so100.py এ মন্তব্য করা পর্যবেক্ষণ ডিক্ট (observation dict) বলে যে তারের মাধ্যমে কী যায়: uint8-এ (480, 640, 3) আকারের দুটি অ্যারে, ছয়টি জয়েন্ট ফ্লোট, একটি ভাষার স্ট্রিং। এটি প্রতি ফ্রেমে 921,600 বাইট, দুটি ক্যামেরার জন্য 1,843,200 বাইট, প্রায় 14.7 Mbit, এবং কোনো স্ট্যাকই এটিকে JPEG-কম্প্রেস করে না। ফিরে আসা অংশটি হল 6টি ফ্লোটের কয়েক ডজন ধাপ। আপনার আপলোড সবকিছু নির্ধারণ করে, আপনার ডাউনলোড নয়।

যে বাজেটের মধ্যে আপনাকে মানিয়ে নিতে হবে

GR00T SO-100 ক্লায়েন্ট সিঙ্ক্রোনাস: এটি policy.get_action(obs) কল করে, তারপর 30 FPS এ চাঙ্কের প্রথম action_horizon ধাপগুলি এক্সিকিউট করে, এবং আবার কল করে। চাঙ্কের আকার এবং হরাইজন ভিন্ন সংখ্যা: NVIDIA-এর ডিপ্লয়মেন্ট গাইড 16 এর একটি অ্যাকশন চাঙ্ক সাইজ সুপারিশ করে, রিয়েল-টাইম চাঙ্কিংয়ের সাথে মিলিত হলে কমপক্ষে 32, যখন eval_so100.py 8 এর একটি এক্সিকিউশন হরাইজন সরবরাহ করে। 30 FPS এ আটটি ধাপ প্রতি কলে 267 ms গতির সমান, এবং বাকি সবকিছু এর মধ্যে ফিট করতে হবে।

observation upload   14.7 Mbit / 100 Mbit/s   = 147 ms
network round trip                            =  30 ms
model inference (AY-Robots figure, N1.7)      = 152 ms
action chunk return + deserialize             =  ~2 ms
                                                -------
total per call                                  331 ms

budget at action_horizon = 8   ->  267 ms   FAIL, arm pauses ~64 ms per chunk
budget at action_horizon = 16  ->  533 ms   fits, with headroom
budget at action_horizon = 32  -> 1067 ms   fits, observations now ~1 s stale

হরাইজন বাড়ানো একটি স্থূল সমাধান এবং এটি বিনামূল্যে নয়: বাহু এখন পুরানো একটি পর্যবেক্ষণের উপর কাজ করে। নীতিগত সমাধান হল রিয়েল-টাইম চাঙ্কিং, যা বর্তমান চাঙ্ক চলার সময় পরবর্তী চাঙ্ক গণনা করে, এক্সিকিউট করার জন্য নিশ্চিত অ্যাকশনগুলিকে ফ্রিজ করে এবং বাকি অংশকে ইনপেইন্ট করে; RTC পেপার এটিকে কোনো রিট্রেনিং ছাড়াই ইনফারেন্স বিলম্বের প্রতি শক্তিশালী বলে রিপোর্ট করে। প্রথমে এর অবস্থান পরীক্ষা করুন। NVIDIA RTC কে পরীক্ষামূলক হিসাবে চিহ্নিত করে, একটি নিম্ন-স্তরের মডেল প্রিমিটিভ যা action_head.get_action(..., options={"rtc_overlap_steps": ..., "rtc_frozen_steps": ...}) এর মাধ্যমে অ্যাক্সেসযোগ্য, Gr00tPolicy বা সার্ভার-ক্লায়েন্ট পাথে সংযুক্ত নয়, যেখানে options অব্যবহৃত, কোনো পরীক্ষা বা উদাহরণ ছাড়াই। একটি পলিসি সার্ভারের মাধ্যমে আপনি অ্যাসিঙ্ক্রোনাস এক্সিকিউশন পান, RTC নয়।

বিশ্বাস করার আগে এটি পরিমাপ করুন

উপরের প্রতিটি সংখ্যা একটি পূর্বাভাস। চারটি কমান্ড এটিকে পরিমাপে পরিণত করে, যা এমন একটি কাজের জন্য একটি পড-আওয়ার উৎসর্গ করার আগে চালানো উচিত যা কখনোই কাজ করবে না।

1. 1
   কাঁচা রাউন্ড ট্রিপ পান

   পডের বিরুদ্ধে, CDN-এর বিরুদ্ধে নয়। গড় মানের মতোই বিচ্যুতি (deviation) ঘনিষ্ঠভাবে পর্যবেক্ষণ করুন: গড় ল্যাটেন্সি নয়, জিটার (jitter) একটি বাহুকে আটকে দেয়।

   bash

   ping -c 50 <pod-host>
   # the mdev column is the number that predicts stutter

2. 2
   আপনার কাছে থাকা আপলিঙ্ক পরিমাপ করুন, যার জন্য আপনি অর্থ প্রদান করেন সেটি নয়

   আবাসিক আপলোড সাধারণত ডাউনলোডের একটি ভগ্নাংশ হয়, এবং এটি উপরের ব্যান্ডউইথ টেবিলে থাকা সংখ্যা।

   bash

   # on the pod
   iperf3 -s
   
   # on the robot machine, -R omitted so this measures upload
   iperf3 -c <pod-host> -t 30

3. 3
   ক্লায়েন্টের নিজস্ব ল্যাটেন্সি লগ পড়ুন

   LeRobot রোবট ক্লায়েন্ট প্রতিটি চাঙ্কের জন্য সার্ভার-টু-ক্লায়েন্ট ল্যাটেন্সি এবং ডিসিরিয়ালাইজেশন সময় লগ করে। রুট B-তে আপনার কোনো বাহ্যিক টুলের প্রয়োজন নেই।

   text

   Received action chunk for step #240 | Latest action: #232 |
     Incoming actions: 240:289 |
     Network latency (server->client): 187.44ms |
     Deserialization time: 3.10ms

4. 4
   অ্যাকশন কিউ খালি হতে দেখুন

   --debug_visualize_queue_size=True পাস করুন এবং ক্লায়েন্ট রানটাইমে কিউ সাইজ প্লট করে। যদি এটি বারবার শূন্যে পৌঁছায় তবে আপনার বাজেট শেষ: fps কমান, actions_per_chunk বাড়ান, অথবা chunk_size_threshold বাড়ান যাতে পর্যবেক্ষণগুলি আরও ঘন ঘন পাঠানো হয়।

   bash

   python -m lerobot.async_inference.robot_client \
       ... \
       --debug_visualize_queue_size=True

রিমোট ইনফারেন্স আসলে কিসের জন্য ভালো

যদি একটি রিমোট রান প্রতিটি পর্বে একই বিন্দুতে আটকে যায়, তবে সম্ভবত নেটওয়ার্ক এর কারণ নয়। একটি নীতি যদি প্রতিবার একই জয়েন্ট অ্যাঙ্গেল-এ দ্বিধা করে, তবে এটি সাধারণত একটি ডেটা সমস্যা; দেখুন ব্যর্থতা-মোড পৃষ্ঠাগুলি, বিশেষ করে একটি নীতি যা শুধুমাত্র একটি সেটআপে কাজ করে এবং লস কমে কিন্তু নীতি কিছুই করে না।

নিজে করা বনাম AY-Robots-এ করা

একটি রিমোট ইনফারেন্স সেশনের খরচ কত

দুটি সংখ্যা গুরুত্বপূর্ণ: কার্ডের প্রতি ঘণ্টার হার এবং আপনি কতক্ষণ এটি চালু রাখেন। প্রথমটি প্রকাশিত; দ্বিতীয়টি মানুষকে অবাক করে।

এই হারগুলি 23 আগস্ট 2026 তারিখে রানপডের মূল্য নির্ধারণ পৃষ্ঠা থেকে নেওয়া হয়েছিল এবং স্পট বাজার পরিবর্তনশীল। AY-Robots এর পরিবর্তে একটি সম্পূর্ণ রানের জন্য মূল্য নির্ধারণ করে: A100 বা H100 স্তরে প্রতি ঘন্টায় 1.20 থেকে 2.00 USD হারে 3 থেকে 6 ঘন্টা, একটি GR00T বা Pi0.5 রানের জন্য প্রায় 4 থেকে 12 USD; 24 GB স্তরে প্রতি ঘন্টায় 0.30 থেকে 0.60 USD হারে 2 থেকে 5 ঘন্টা, SmolVLA বা ACT-এর জন্য 1 থেকে 3 USD। একটি ইনফারেন্স সেশন শুধুমাত্র তখনই একটি ট্রেনিং রানকে খরচের দিক থেকে ছাড়িয়ে যায় যদি আপনি এটি বন্ধ করেন, যার জন্য আইডল ওয়াচডগ রয়েছে। দেখুন বিলিং ডকুমেন্টেশন এবং মূল্য নির্ধারণ পৃষ্ঠা।

যদি আপনি নেটওয়ার্ককে লুপে রাখতে না চান

রিমোট ইনফারেন্স হার্ডওয়্যারের সমস্যা সমাধান করে এবং ল্যাটেন্সির সমস্যা তৈরি করে। কখনও কখনও এর চেয়ে ভালো সমাধান হলো এমন একটি পলিসি যা আপনার বর্তমান হার্ডওয়্যারের সাথে মানানসই।

• ACT, প্রায় 80 M প্যারামিটার এবং প্রতি অ্যাকশন স্টেপে 20 ms, সর্বনিম্ন 50 এপিসোড, যেকোনো 24 GB কার্ড। একটি পুনরাবৃত্তিমূলক একক-টাস্ক সেটআপে এটি প্রায়শই একটি রিমোট 3 B মডেলকে ছাড়িয়ে যায়, কারণ এটি কখনও প্যাকেটের জন্য অপেক্ষা করে না।
• SmolVLA, প্রায় 450 M প্যারামিটার এবং প্রতি অ্যাকশন স্টেপে 245 ms, সর্বনিম্ন 30 এপিসোড। এটি ACT-এর অভাবযুক্ত ভাষা কন্ডিশনিং বজায় রাখে, এবং lerobot ডকুমেন্টেশন অনুসারে ইনফারেন্সের সময় এটি প্রায় 2 GB ব্যবহার করে, যেখানে PI0-এর জন্য প্রায় 14 GB প্রয়োজন।
• ACT vs GR00T N1.7 ট্রেডের নির্ভুলতার অর্ধাংশের জন্য।

একটি মধ্যবর্তী পথও আছে: ক্লাউডে প্রশিক্ষণ দিন, স্থানীয়ভাবে মূল্যায়ন করুন। ফাইন-টিউনিং এর জন্য 80 GB কার্ড প্রয়োজন এবং এটি ল্যাটেন্সি নিয়ে চিন্তা করে না, তাই একটি SO-100-এ GR00T N1.7 প্রশিক্ষণ দূরবর্তীভাবে করা বিতর্কিত নয়। শুধুমাত্র মূল্যায়ন লুপের একটি রিয়েল-টাইম সীমাবদ্ধতা রয়েছে; প্রশিক্ষণ ডকুমেন্টেশন এবং মডেল-এবং-আর্ম ম্যাট্রিক্স সেই অর্ধাংশ কভার করে।

সাধারণত জিজ্ঞাসিত প্রশ্নাবলী

সংক্ষিপ্ত সংস্করণ

একটি 3 B এর জন্য রিমোট ইনফারেন্স পলিসি একটি সমাধান করা ইঞ্জিনিয়ারিং সমস্যা যার সাথে একটি অমীমাংসিত পদার্থবিজ্ঞানের সমস্যা জড়িত। ইঞ্জিনিয়ারিং হল দুটি কমান্ড এবং একটি SSH টানেল। পদার্থবিজ্ঞান হল যে একটি 1.8 MB পর্যবেক্ষণকে অন্য দেশের একটি GPU-তে পৌঁছাতে হবে এবং বাহু কর্মের বাইরে চলে যাওয়ার আগে ফিরে আসতে হবে। কিছু ভাড়া করার আগে হিসাব করুন, এমন একটি কাজ বেছে নিন যা একটি পুরনো পর্যবেক্ষণ সহ্য করতে পারে, এবং লিঙ্ক উন্নত হওয়ার আশা না করে এক্সিকিউশন দিগন্ত বাড়ান।

যদি আপনি এখনও কোনো ডেটাসেট রেকর্ড না করে থাকেন, আপনার প্রথম ডেটাসেট রেকর্ড করুন এবং SO-100 সেটআপ গাইড প্রথমে দেখুন, এবং LeRobot ডেটাসেট ফরম্যাট এন্ট্রি ব্যাখ্যা করে যে রেকর্ডার কী লেখে। এর পটভূমি হলো ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন মডেল এবং ফ্লো-ম্যাচিং পলিসি কাজ; অ্যারেনা এন্ট্রি প্রতিটি বেঞ্চমার্ক নম্বরকে একটি উৎসের সাথে সংযুক্ত করে।