คุณควรฝึก VLA Policy ตัวไหนในปี 2026?

ปัจจุบันมีนโยบายห้าแบบที่สามารถฝึกได้บนแขนกล SO-100 พวกมันแตกต่างกันด้วยปัจจัย 24 ในการอนุมานเวลาแฝง, 37 ในจำนวนพารามิเตอร์ และ 12 ในค่าใช้จ่ายของการรันแต่ละครั้ง รวมถึงว่าคุณสามารถจัดส่งผลลัพธ์ได้หรือไม่ โมเดลการ์ดห้าใบจะไม่ช่วยตัดสินใจ: ไม่มีใบใดตอบคำถามที่คุณมีว่า ฉันควรจะรันอันไหนก่อน?

ตัวเลขทุกตัวด้านล่างนี้ถูกอ่านมาจากเอกสาร, รีโพสิทอรี และการ์ดต่างๆ ในเดือนสิงหาคม 2026 ตัวเลขแพลตฟอร์มมาจากจาก แค็ตตาล็อกนโยบายของ AY-Robots; หากทั้งสองไม่ตรงกัน จะแสดงทั้งคู่

ตารางการตัดสินใจ

ผู้สมัครทั้งห้า

ทั้งห้าเป็น การเรียนรู้แบบเลียนแบบ นโยบาย: เฟรมกล้อง, ตำแหน่งข้อต่อ และ, สำหรับสี่ในห้า, คำสั่งภาษา, ที่ถูกแมปไปยังกลุ่มเป้าหมายข้อต่อในอนาคต สิ่งที่แยกความแตกต่างคือปริมาณที่ถูก เรียนรู้ก่อนที่คุณจะมาถึง

GR00T N1.7

โมเดลปัจจุบันของ NVIDIA โมเดลการกระทำด้วยวิสัยทัศน์และภาษา, มีพารามิเตอร์ประมาณ 3 พันล้านตัว โดยประมาณ 40 ล้านตัวได้รับการฝึกฝนระหว่าง การปรับแต่งอย่างละเอียด. ที่เก็บโค้ดระบุความแตกต่างจาก N1.6: โครงสร้างหลักจากโมเดล Eagle ที่เป็นของบุคคลที่สามเปลี่ยนเป็น Cosmos-Reason2-2B บน Qwen3-VL, เลเยอร์การแพร่กระจายจาก 32 เป็น 16, มิติของสถานะและการกระทำจาก 29 เป็น 132, ขอบเขตการกระทำจาก 16 เป็น 40.

สิ่งที่สำคัญสำหรับแขนกลขนาดเล็กคือพื้นที่การกระทำของปลายแขนกลสัมพัทธ์: N1.7 ทำนายความแตกต่างจาก ท่าปัจจุบัน ซึ่งเป็นสิ่งที่ทำให้วิดีโอของมนุษย์ EgoScale 20,000 ชั่วโมงสามารถถ่ายทอดไปสู่นโยบายหุ่นยนต์ได้ ข้อมูลจำเพาะบน หน้า N1.7, ขั้นตอนใน คู่มือ N1.7 บน SO-100.

GR00T N1.5

ขนาด 3 พันล้านพารามิเตอร์เท่ากัน, ใช้ Eagle 2 เป็นโครงสร้างหลัก, SigLip2 และ T5, ส่วนหัว DiT แบบ flow-matching มีอยู่เพื่อขยาย ที่คุณมีอยู่แล้ว มีสองสิ่งทำให้มันเป็นค่าเริ่มต้นที่ไม่ดี: น้ำหนักโมเดลมาพร้อมกับ ใบอนุญาตแบบไม่เชิงพาณิชย์ทางเดียวของ NVIDIA และ LeRobot รุ่นปัจจุบันได้ถอดการรองรับ N1.5 ออกแล้ว ดู .

Pi0.5

VLA ของ Physical Intelligence แบบ , ประเภทนโยบาย pi05. บทความนี้ระบุ VLM ขนาด 2 พันล้านพารามิเตอร์ที่เริ่มต้นจาก PaliGemma พร้อมผู้เชี่ยวชาญด้านการกระทำ 300 ล้านพารามิเตอร์ ซึ่งขับเคลื่อนหุ่นยนต์ที่ 50 Hz; การกำหนดค่า pi05 ของ LeRobot มีค่าเริ่มต้นเป็น 50 ขั้นตอนต่อช่วงเวลา ซึ่งเท่ากับหนึ่งวินาทีในอัตรานั้น จุดเด่นคือสถานที่ที่ไม่เคยเห็นมาก่อน: การจัดการเคลื่อนที่ประมาณ 400 ชั่วโมงในบ้านจริง และการศึกษาการปรับขนาดใน 3, 12, 22, 53, 82 และ 104 สถานที่ โดยที่โมเดล 104 สถานที่สามารถจับคู่กับการควบคุมที่ฝึกฝนในบ้านทดสอบเหล่านั้นได้

ข้อจำกัดหนึ่งที่ระบุไว้บน lerobot/pi05_base การ์ด: พอร์ตจะส่งเฉพาะ ส่วนหัวการจับคู่โฟลว์เท่านั้น การคาดการณ์งานย่อย การแปลงการกระทำเป็นโทเค็น และ RL ไม่ได้ถูกเผยแพร่จากต้นน้ำ และ openpi ก็กล่าวเช่นเดียวกันสำหรับ ที่เก็บของตนเอง หน้า Pi0.5 และ คู่มือ Pi0.5 บน SO-100 มีข้อมูลส่วนที่เหลือ

SmolVLA

พารามิเตอร์ 450 ล้านตัว โดยประมาณ 100 ล้านตัวอยู่ในผู้เชี่ยวชาญด้านการกระทำ บน SmolVLM-2 โดยที่ VLM ถูกตรึงและใช้เพียง 16 เลเยอร์แรกของโมเดลภาษาเท่านั้น การฝึกอบรมล่วงหน้ามาจากข้อมูลชุมชน: 481 ชุดข้อมูล, 10.6 ล้านเฟรม, จาก แขนหุ่นยนต์ราคาถูกแบบเดียวกับที่คุณใช้ VLA เพียงตัวเดียวที่นี่ที่สามารถใส่การ์ด 24 GB ได้หนึ่งใบ และเป็นเพียง VLA เดียวที่มี 30 ตอน เป็นเกณฑ์ขั้นต่ำ ดู หน้า SmolVLA.

ACT

ไม่ใช่โมเดลพื้นฐาน Action Chunking Transformer จาก ALOHA มีพารามิเตอร์ประมาณ 80 ล้านตัวที่ได้รับการฝึกฝน ตั้งแต่เริ่มต้นสำหรับแต่ละงาน โดยใช้การสาธิต 50 ครั้งที่ 50 Hz. รายงานฉบับนี้ระบุงานสองมือจริงหกงานจากการสาธิตประมาณสิบ นาทีในแต่ละงาน โดยมีอัตราความสำเร็จ 80 ถึง 90 เปอร์เซ็นต์ในตัวอย่างที่เน้นย้ำ แนวคิดของมันคือ การแบ่งกลุ่มการกระทำ, มีอยู่ในทุกโมเดลในหน้านี้ และการวิเคราะห์แบบ Ablation ของมันยังคงวัด ผลกระทบได้ดีที่สุด: ในงานจำลองสองงานที่ปิดการรวมกลุ่มตามเวลา (temporal ensembling) ความสำเร็จเพิ่มขึ้นจาก 1 เปอร์เซ็นต์ที่ k=1 เป็น 44 เปอร์เซ็นต์ที่ k=100. หน้า ACT มีข้อมูลส่วนที่เหลือ

สิ่งที่เกณฑ์มาตรฐานกล่าวไว้จริง ๆ

LIBERO เป็นเกณฑ์มาตรฐานหนึ่งในห้าที่สามในจำนวนนี้รายงาน: งานที่กำหนดเงื่อนไขด้วยภาษาบนการจำลอง Franka Panda ซึ่งแบ่งออกเป็นสี่ชุดด้านล่าง ชุดละสิบงาน NVIDIA ดำเนินการทดลอง 200 ครั้งต่อชุด

SimplerEnv แสดงให้เห็นถึงการกระจายตัว ซึ่ง LIBERO ไม่ได้แสดง NVIDIA เปรียบเทียบ N1.7 กับ N1.6 ซึ่งเป็นสิ่งที่ใกล้เคียงที่สุดกับ ความแตกต่างระหว่างรุ่น

แถว Bridge เป็นแถวที่มีประโยชน์: ได้คะแนนเฉลี่ย 5.7 แต้ม ในขณะที่ put_eggplant_in_basket เสียไป 36 แต้ม และ put_eggplant_in_sink ลดลงจาก 33 เหลือ 2. โมเดลรุ่นใหม่จะปรับการกระจายตัวแทนที่จะ ยกมันขึ้น ดังนั้น หากงานของคุณอยู่ในจุดที่ N1.7 ถดถอย ค่าเฉลี่ยก็ไม่ได้บอกอะไรเลย

ในบรรดาห้าตัว มีเพียงเอกสาร SmolVLA เท่านั้นที่รายงานเกี่ยวกับแขนหุ่นยนต์ระดับ SO-100: 78.3 เปอร์เซ็นต์สำหรับ SmolVLA และ 61.7 สำหรับ Pi0 ในสามงาน ซึ่งเป็นแบบหลายงานทั้งคู่ เทียบกับ 48.3 สำหรับ ACT ที่ฝึกแบบงานเดียว ซึ่งไม่เหมือนกัน ทีเดียว. การจับคู่ที่ชัดเจนคือทั้งสองแบบเป็นงานเดียวบน SO-101 pick-and-place: 90 เทียบกับ 70 ในการกระจายตัว, 50 เทียบกับ 40 นอกเหนือจากนั้น. เปรียบเทียบที่ ACT เทียบกับ SmolVLA และ Pi0.5 เทียบกับ SmolVLA, หรือเรียกดู สนามประลอง.

ความหน่วงและต้นทุนเป็นตัวตัดสินการนำไปใช้งาน

เวลาแฝงของการอนุมาน เป็นข้อจำกัดที่คนมักจะค้นพบเป็นอันดับสุดท้ายและ เสียใจเป็นอันดับแรก นโยบายที่ทำคะแนนได้ดีกว่าห้าจุดในการทดสอบมาตรฐาน แต่ใช้เวลาครึ่งวินาทีต่อขั้นตอนการกระทำนั้นดูแย่กว่าเมื่ออยู่บนโต๊ะทำงานของคุณ: พลวัตการสัมผัสไม่รอใคร

ข้อควรระวัง: ตัวเลขของ GR00T ไม่ตรงกับข้อมูลของ NVIDIA ซึ่งระบุว่าใช้เวลา 4 ขั้นตอนการลดสัญญาณรบกวนและ กล้องหนึ่งตัวใช้เวลา 85.8 ms บน H100 ในโหมด eager, 48.6 ms เมื่อใช้ torch.compile, 27.9 ms เมื่อใช้ TensorRT เต็มรูปแบบ ตัวเลข 152 ms ในที่นี้เป็นตัวเลขรวมทั้งระบบที่มีค่าใช้จ่ายในการให้บริการและกล้องมากกว่าหนึ่งตัว ไม่ใช่แค่การส่งผ่านไปข้างหน้า

วิธีหนึ่งในการประหยัดเวลาโดยไม่ต้องเปลี่ยนโมเดล: เอกสาร SmolVLA วัดผลการทำงานแบบซิงโครนัส ซึ่ง นโยบายจะทำงานเสร็จสิ้นเป็นส่วนๆ ก่อนที่จะคาดการณ์ส่วนถัดไป เทียบกับการทำงานแบบอะซิงโครนัส ซึ่งการคาดการณ์จะทับซ้อนกับการทำงาน ความสำเร็จใกล้เคียงกัน, 78.3 เทียบกับ 73.3, แต่งานหยิบและวางแบบเดียวกันใช้เวลา 9.7 วินาที แทนที่จะเป็น 13.75 วินาที และใน ช่วงเวลาที่กำหนด หุ่นยนต์สามารถจัดการได้ 19 รอบ แทนที่จะเป็น 9 รอบ

ใบอนุญาต ตรวจสอบแล้วเพราะไม่มีใครตรวจสอบ

แถว Pi0.5 ต้องระมัดระวัง เอกสาร LeRobot pi05 ระบุ Apache 2.0 ซึ่งสอดคล้องกับ openpi, ในขณะที่การ์ด Hub สำหรับ lerobot/pi05_base ระบุ license: gemma. ทั้งสองยังใช้งานอยู่ GR00T N1.7 มี เวอร์ชันที่ผ่อนปรนกว่า: README ของ Isaac-GR00T กล่าวโดยบังเอิญว่า N1.7 สามารถให้ใบอนุญาตเชิงพาณิชย์ได้อย่างสมบูรณ์ภายใต้ Apache 2.0, ในขณะที่ส่วนใบอนุญาตของมันเองและการ์ดโมเดลระบุว่าโค้ดอยู่ภายใต้ Apache 2.0 และน้ำหนักโมเดลอยู่ภายใต้ NVIDIA Open Model License.

ค่าเริ่มต้นที่คุณจะใช้งานจริง

แต่ละฟอร์มเทรนเนอร์มาพร้อมค่าเริ่มต้น และค่าเหล่านี้ไม่ใช่ค่าสุ่ม ACT's เป็นของ LeRobot เอง: batch 8, lr 1e-5, 100000 ขั้นตอนการฝึก, chunk size 100, matching ACTConfig upstream and k=100 from the ACT paper. คอลัมน์หนึ่งด้านล่างนี้คือกับดัก

ตัวปรับแต่งที่สำคัญกว่าการเลือกรุ่นโมเดล

นี่คือส่วนของชุดการกระทำ (action chunk) ชุดการกระทำที่ยาวขึ้นจะให้การเคลื่อนไหวที่ราบรื่นขึ้นและมีข้อผิดพลาดสะสมน้อยลง แต่ นโยบายจะถูกผูกมัดในขณะที่บล็อกทำงาน ดังนั้นจึงตอบสนองช้าต่อสิ่งใดก็ตามที่เคลื่อนไหว: มั่นใจเมื่ออยู่บน ลูกบาศก์ที่อยู่นิ่ง แต่ไร้หวังเมื่ออยู่บนลูกบาศก์ที่กำลังกลิ้ง หากมีการเคลื่อนที่เกินเป้าหมาย การลดความยาวของส่วนที่ดำเนินการจะดีกว่าการฝึกใหม่ และไม่มีค่าใช้จ่าย ข้อต่อที่หยุดสั้นเป็นปัญหาที่แตกต่างกัน; ดู .

• ACT: ACTConfig มีค่าเริ่มต้นเป็น chunk_size 100 และ n_action_steps 100. การรวมแบบชั่วคราว (Temporal ensembling) ถูกปิดและต้องใช้ n_action_steps 1.
• GR00T N1.7: internal horizon เปลี่ยนจาก 16 เป็น 40 แต่ตัวอย่าง SO-101 ของ LeRobot ยังคงรัน --policy.chunk_size=16 --policy.n_action_steps=16. แฟล็ก rollout ถูกเปลี่ยนชื่อเป็น --execution-horizon.
• Pi0.5: ชุดการกระทำ 50 ขั้นตอน ซึ่งสูตร LIBERO ของ LeRobot ดำเนินการ 10 ขั้นตอนผ่าน --policy.n_action_steps=10; ด้วย --policy.pretrained_path มันจะกลับไปใช้ 50 หากคุณละเว้นแฟล็กนี้.
• SmolVLA: ชุดการกระทำ 50 ขั้นตอน โดยมีตัวปรับแต่งทั้งสองเปิดเผย.

วิธีคัดกรองทั้งห้าแบบในบ่ายวันเดียว

คำตอบที่ถูกที่สุดไม่ใช่การอ่านเพิ่มเติม ใช้เงินประมาณ 15 USD และให้แขนหุ่นยนต์บอกคุณ: บันทึกข้อมูลเพียงครั้งเดียว ฝึกโมเดลราคาถูกก่อน แล้วค่อยขยายผลเมื่อข้อมูลได้รับการพิสูจน์ว่าถูกต้อง โครงสร้างสำคัญกว่าปริมาณ ซึ่งเป็นจุดประสงค์ของ และ .

1. 1
   บันทึก 50 ตอนในครั้งเดียว

   50 ตอนช่วยให้ GR00T, Pi0.5 และ ACT รวมถึง SmolVLA 30 ตอนมีพื้นที่ทำงาน ทำซ้ำแต่ละรูปแบบแทนที่จะกระจายบางๆ: 50 ตอนใน 5 ตำแหน่งลูกบาศก์ที่ได้รับการฝึกฝน ในขณะที่ 25 ตอนไม่ได้ฝึก ดู บันทึกชุดข้อมูลแรกของคุณ

   bash

   lerobot-record \
     --robot.type=so100_follower \
     --robot.port=/dev/ttyACM1 \
     --robot.id=my_follower_arm \
     --teleop.type=so100_leader \
     --teleop.port=/dev/ttyACM0 \
     --teleop.id=my_leader_arm \
     --dataset.repo_id=${HF_USER}/pick-place-50 \
     --dataset.num_episodes=50 \
     --dataset.single_task="Put the lego brick into the box"

2. 2
   ฝึก ACT ก่อน เพราะมันโกหกคุณไม่ได้

   ไม่มีน้ำหนักที่ฝึกไว้ล่วงหน้า ดังนั้นหากมันทำงานได้เลย แสดงว่าชุดข้อมูลของคุณมีงานนั้นอยู่แล้ว หาก ACT ไม่ตอบสนอง ให้แก้ไขข้อมูล ใช้เวลา 1 ถึง 3 USD, 2 ถึง 5 ชั่วโมงบนการ์ด 24 GB

   bash

   lerobot-train \
     --dataset.repo_id=${HF_USER}/pick-place-50 \
     --policy.type=act \
     --policy.device=cuda \
     --batch_size=8 \
     --steps=100000 \
     --seed=1000 \
     --output_dir=outputs/train/act_pickplace \
     --job_name=act_pickplace

3. 3
   รัน SmolVLA บนชุดข้อมูลเดิม โดยไม่มีการเปลี่ยนแปลง

   ข้อมูลเดิม แขนเดิม พารามิเตอร์ 450 M แทนที่จะเป็น 80 M พร้อมกับการปรับสภาพภาษา LeRobot ใช้เวลาประมาณ 4 ชั่วโมงสำหรับการรัน 20K ขั้นตอนบน A100 หนึ่งตัว นี่คือสิ่งที่บอกคุณว่าการฝึกอบรมล่วงหน้ามีประโยชน์หรือไม่

   bash

   lerobot-train \
     --policy.path=lerobot/smolvla_base \
     --dataset.repo_id=${HF_USER}/pick-place-50 \
     --batch_size=64 \
     --steps=20000 \
     --policy.device=cuda \
     --output_dir=outputs/train/smolvla_pickplace \
     --job_name=smolvla_pickplace

4. 4
   แปลงเป็น v2.1 ก่อนที่คุณจะใช้ GR00T

   GR00T อ่านรูปแบบ LeRobot v2 พร้อมกับไฟล์ meta/modality.json เพิ่มเติมที่แมปวิธีการแยกอาร์เรย์สถานะและการกระทำที่เชื่อมต่อกันออกเป็นฟิลด์ที่มีชื่อ ชุดข้อมูล v3.0 จะทำให้ตัวโหลดนั้นขัดข้อง เนื่องจาก v3.0 บรรจุหลายตอนลงในไฟล์ที่ใช้ร่วมกัน ในขณะที่ v2 เขียนหนึ่งไฟล์ต่อหนึ่งตอน Isaac-GR00T มีตัวช่วยดาวน์เกรดเป็น scripts/lerobot_conversion/convert_v3_to_v2.py; หน้าการปฏิเสธ v3 คือเส้นทางที่รวดเร็ว

   text

   # GR00T expects this layout, not the v3.0 file-based one
   my_dataset/
     meta/
       info.json
       episodes.jsonl      # episode index and lengths
       tasks.jsonl         # language task descriptions
       modality.json       # GR00T-specific: state/action/video key mapping
     data/chunk-000/       # parquet, state and action per timestep
     videos/chunk-000/     # one mp4 per episode

5. 5
   ยกระดับไปใช้ GR00T N1.7 ก็ต่อเมื่อสองวิธีแรกยังไม่สมบูรณ์

   ผ่าน CLI ของ NVIDIA ที่แสดงที่นี่ หรือประเภทนโยบาย groot ของ LeRobot NVIDIA แนะนำ VRAM 40 GB ขึ้นไปสำหรับการปรับแต่งละเอียด และ 16 GB สำหรับการอนุมาน หากเกิด OOM โปรดดู หน้า OOM

   bash

   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 /tmp/test_finetune \
     --max-steps 2000 \
     --global-batch-size 32 \
     --dataloader-num-workers 4

สองวิธีในการรันการคัดกรองนั้น

# 1. LeRobot: ACT, SmolVLA, Pi0.5 and GR00T N1.7 via --policy.type=groot
pip install "lerobot[smolvla]"
pip install "lerobot[pi]"
pip install "lerobot[groot]"

# 2. GR00T reference implementation and benchmark examples
git clone https://github.com/NVIDIA/Isaac-GR00T

# 3. Physical Intelligence reference implementation
git clone --recurse-submodules https://github.com/Physical-Intelligence/openpi

โมเดลพื้นฐานหรือสร้างใหม่ตั้งแต่ต้น

ทางแยกที่แท้จริงไม่ใช่การเลือกรุ่น 3B ใด แต่เป็นการตัดสินใจว่าจะใช้ VLA ที่ผ่านการฝึกอบรมล่วงหน้าเลยหรือไม่ เมื่อพิจารณาว่า ACT เรียนรู้งานสองมือจริงหกงานจากข้อมูลสาธิตประมาณสิบนาทีต่อชิ้น โดยมีพารามิเตอร์ 80M และ ไม่มีการฝึกอบรมล่วงหน้าเลย

กรณีการจำลองการรันเก่า

การไล่ตามเช็คพอยต์ปี 2025 ทำให้คุณไม่ต้องเลือกรุ่นโมเดล และเปลี่ยนปัญหาเป็นการตรึงเวอร์ชัน: LeRobot ปัจจุบันปฏิเสธ N1.5 ดังนั้นคุณจึงตรึง lerobot==0.5.1. โดยไม่มีฟิลด์ seed และมีความแปรปรวน 5 ถึง 6 เปอร์เซ็นต์ ระหว่างการรัน การจำลองจึงเป็นเพียงค่าประมาณโดยธรรมชาติ และ มีส่วนของแพลตฟอร์ม

เหลือสองตัวเลือกแล้วใช่ไหม? ACT กับ GR00T N1.7 และ GR00T N1.7 กับ SmolVLA. ข้อมูลดิบอยู่ในรายการอารีน่า: GR00T N1.7, Pi0.5, SmolVLA และ ACT.

แพลตฟอร์มนี้ไม่สามารถช่วยคุณได้ในเรื่องใดบ้าง

• ไม่สามารถทำให้การอนุมานระยะไกลรวดเร็วได้ ลูป 20 ถึง 485 ms เป็นของโมเดล; การเดินทางไปกลับทางอินเทอร์เน็ตจะเพิ่มเวลาเข้าไปอีก
• ไม่สามารถปรับแต่ง GR00T หรือ Pi0.5 บนฮาร์ดแวร์ของคุณเองได้ ทั้งสองโมเดลนี้เป็นแบบคลาวด์เท่านั้น; มีเพียง SmolVLA และ ACT เท่านั้นที่ทำงานแบบโลคอล
• ไม่สามารถแก้ไขชุดข้อมูลได้ Loss ลดลงแต่ policy ไม่ทำงาน เป็นปัญหาข้อมูล, policy ที่ทำงานได้เพียงในการตั้งค่าเดียว เป็นปัญหาความครอบคลุม
• ไม่สามารถทำให้การรัน GR00T สามารถทำซ้ำได้: การกำหนดค่าต้นน้ำไม่มีฟิลด์ seed

การเลือกหนึ่งและดำเนินการต่อ

ค่าเริ่มต้นหนึ่งอย่าง: บันทึก 50 ตอน, ฝึก ACT ด้วยค่าใช้จ่าย 1 ถึง 3 USD เพื่อพิสูจน์ชุดข้อมูล, จากนั้นใช้ SmolVLA กับ ข้อมูลเดียวกัน. รวมกันไม่เกิน 6 USD และสิ่งเหล่านี้จะตอบคำถามที่สำคัญ: การฝึกอบรมล่วงหน้าช่วยได้หรือไม่ หรือ คอขวดอยู่ที่ข้อมูล. ยกระดับไปใช้ GR00T N1.7 สำหรับงานหลายขั้นตอนที่ต้องมีการสัมผัส, ไปใช้ Pi0.5 เมื่อ ฉากเปลี่ยนไป.

คำแนะนำการใช้งานแพลตฟอร์ม: ฝึกนโยบายแรกของคุณ, จากนั้น รันนโยบายแรกของคุณ. เอกสารการฝึกอบรม และ เอกสารชุดข้อมูล ครอบคลุมรูปแบบและโครงสร้าง; หน้า SO-100 และ คู่มือ SO-100 ฉบับสมบูรณ์ ครอบคลุมการสร้างและการปรับเทียบ. ข้อมูลพื้นฐาน: ภาพรวม VLA และ บทความ Pi0 flow-matching. สิ่งที่จะช่วยเพิ่มอัตราความสำเร็จของคุณคือ คู่มือคุณภาพข้อมูล.