検査と学習
記録したdatasetを学習の前に検査し,使わないepisodeを除いて,LeRobotで学習する手順です.
datasetを検査する
roboloom check-dataset [robot] は,datasetを読むだけで検査します(CLI).robotの名前(--with・--without で記録したときのoption)か,datasetのdirectoryを指定します.
uv run roboloom check-dataset --with policy
| 出力 | 中身 |
|---|---|
| 要約 | episode数,行数,fps,robot,記録したroboloomの版,fileの数.episodeごとの記録があれば成否の数(labels: 7 success, 3 failure, ...) |
problems |
壊れているところ:読めないfile,info.json とepisodeのmetadataの数の食い違い,episode番号の飛び,動画の欠落と動画と行数の不一致,書きかけのepisode |
notes |
学習の前に知っておくべきこと:*.valid の列ごとの,0の行の割合.action がすべて0の行の割合(指令のない行を保持した目標で埋める前に記録したもの) |
problemsがあると,終了code 1で終わります.- 保存の途中でprocessが止まり,書きかけのepisodeが残っているときは,
--recoverで取り除いてから検査します.同じdatasetに記録し直しても取り除かれます(保存したepisodeの扱い). validの意味は 有効flag,0の行の値は 欠損の扱い にあります.
悪いepisodeを除く
episodeごとの指標(episodeごとの記録)から,学習に使うepisodeを選べます.
from roboloom.recording import episodes
records = episodes.read(".roboloom/rakuda2/datasets/rakuda2")
keep = [
index
for index, record in sorted(records.items())
if record.get("metrics", {}).get("action_valid_rate", 0) >= 0.9
]
print(keep)
選んだ番号を lerobot-train の --dataset.episodes に渡すと,そのepisodeだけで学習します.
uv run lerobot-train \
--dataset.repo_id=local/rakuda2 \
--dataset.root=.roboloom/rakuda2/datasets/rakuda2 \
--dataset.episodes='[0, 1, 3, 4]' \
--policy.type=act --policy.device=cuda --policy.push_to_hub=false \
--trackio.enable=false \
--output_dir=outputs/train/act_rakuda2
--dataset.episodesは行を選ぶだけです.正規化の統計は,dataset全体のmeta/stats.jsonのまま使います.除いたepisodeに外れた値がある場合は,次の方法で除いたdatasetを作ります.- LeRobotの
lerobot-edit-dataset --operation.type delete_episodes --operation.episode_indices "[2, 5]"は,episodeを除いた新しいdatasetを作り,残したepisodeの統計を集め直します(--rootと--new_root,--new_repo_idで場所を指定します).episodeの番号は0から振り直されます.roboloomのfile(meta/roboloom.json,meta/roboloom_episodes.jsonl)は新しいdatasetに写りません. - dataset全体の統計を計算し直すときは,
lerobot-edit-dataset --operation.type recompute_statsを使います. - どちらも
lerobot[dataset]が要ります.--extra train(lerobot[training])で入ります.roboloomではこれらの道具の動作を確かめていません.使い方はLeRobotの説明を参照してください. lerobot-trainの--dataset.*には,action.validなどで行を選ぶ設定はありません.行を選ぶときは,LeRobotDataset(...).hf_datasetを読んで自分で除いてください(欠損の扱い).
LeRobotで学習する
roboloomが記録したdataset(LeRobotDataset v3.0)は,そのまま lerobot-train で学習できます.必要なextra,command,学習したcheckpointの使い方は LeRobotで学習する にあります.
--dataset.repo_idは構成のrepo_id,--dataset.rootはrobotのdirectoryから見たoutputです.lerobot-trainは*.validの列を見ません.action.validが0の行のactionには,followerが保持している目標が入ります.- GPUで学習する前に,
labstatusでGPUの空きを確かめてください. - 自作のmodelを学習する例は 記録から自分のmodelまで にあります.