評価と再生
方策を走らせた回の成否を残す方法と,記録した行動を方策の経路で再生する方法です.
評価の成否を残す
roboloom infer --task <text>(Pythonでは record)で保存した回は,評価のdatasetに入ります.それぞれの回が成功したかどうかは,episodeごとの記録(datasetの meta/roboloom_episodes.jsonl)に残せます.
uv run roboloom infer --seconds 30 --episodes 10 --task "pick up the cup"
uv run roboloom label --with policy 3 failure --note "つかみ損ねた" # あとから,episode 3に
uv run roboloom check-dataset --with policy # labels: 7 success, 3 failure, ...
- 保存のときに付けることもできます:操作画面の入力欄で
save success・save failure,別端末からroboloom session save success,Pythonではrecord(..., label=...)・save(label=...)(下の「Pythonから」). - あとから付ける・付け直すときは
roboloom label [robot] <episode> success|failureを使います(CLI).roboloom check-datasetが成否の数を表示します(CLI). - 記録には,その回の方策の状態(推論時間
infer_max_ms,非同期の推論で遅れて捨てた手数dropped,error)と,recorderの指標も入ります.項目は episodeごとの記録 にあります. - 途中で方策が失敗した回は保存されないので,記録にも入りません.
- このfileをLeRobotは読みません.学習には影響しません.
Pythonから
record(..., label="success")とsave(label="failure", note="...")で,保存するepisodeに成否(successかfailure)とメモを付けられます.recordのlabelには,停止したepisode(result)を受け取って成否を返す関数も渡せます.Noneを返すと成否を付けません.success・failure以外の文字列は,保存の前にValueErrorになります.- 保存のたびに,datasetの
meta/roboloom_episodes.jsonlに1行を書きます.成否を付けなくても書きます. - あとから付ける・付け直すときは,
roboloom.recording.episodes.label(...)も使えます(Python API:記録).
from roboloom.recording import episodes
for k in range(10):
s.record(
"pick up the cup",
seconds=30,
label=lambda ep: "success" if cup_lifted() else "failure", # 利用者の判定
)
records = episodes.read(s.cfg.output) # {episode番号: 記録}
print(episodes.summary(s.cfg.output, s.episodes))
# labels: 7 success, 3 failure, 0 not labelled (70% of the labelled)
記録を再生する 模擬のみ
roboloom.policy.replay:load は,記録した1 episodeの action を,観測に関係なくfollowerへ送ります.学習した方策と同じ経路(controller,速度の制限,補間,安全の検査)を通るので,modelなしでその経路を確かめられます.再生を記録すれば,その observation.state を元のepisodeと比べられます.
uv run roboloom infer rakuda2 --seconds 20 --home --task replay \
--policy roboloom.policy.replay:load \
--policy-kwargs '{"path": ".roboloom/rakuda2/datasets/rakuda2", "episode": 0}'
pathは,記録したdatasetか,行動を並べた.npyfile([T, n])です..npyは,別の道具で記録したdataの関節の並びと単位を確かめるのに使えます.stride: kはk行おきに取ります(rate_hzはdataset_fps / k).horizonはまとめて渡す手数です.- datasetの行動の名前と周期を,読み込むときに構成と照らします.
inference: asyncとは組み合わせられません(読み込むときに断ります).再生は観測に関係なく行を順に返すので,並んでいる行動を入れ替えると,記録した行が飛びます.- 始める前に,episodeの最初の姿勢へrobotを動かしてください(home).最初は
max_speedを低くします.最後の行動のあと,followerはそこに留まります.