pickup-boxs16-model

训练记录（pickup-boxs16-model）

记录该模型的训练命令与关键参数，便于复现实验。

训练命令

python scripts/gr00t_finetune.py \
    --dataset-path ./demo_data/so101-Pickup \
    --num-gpus 1 \
    --output-dir ./so101-Pickup-checkpoints00 \
    --max-steps 10000 \
    --data-config so100_dualcam \
    --video-backend decord \
    --batch-size 4 \
    --dataloader-num-workers 1 \
    --dataloader-prefetch-factor 1

参数速记

• dataset-path: ./demo_data/so101-Pickup
• num-gpus: 1
• output-dir: ./so101-Pickup-checkpoints00
• max-steps: 10000
• data-config: so100_dualcam
• video-backend: decord
• batch-size: 4
• dataloader-num-workers: 1
• dataloader-prefetch-factor: 1

如调整超参，请在此文件追加新的命令块与参数记录，确保可追溯。

---

模型评估记录

环境准备

conda activate gr00t

评估命令

python scripts/eval_policy.py --plot \
   --embodiment_tag new_embodiment \
   --model_path ./dataset/pickup-boxs16-model/checkpoint-10000 \
   --data_config so100_dualcam \
   --dataset_path ./dataset/pickup-boxs16 \
   --video_backend torchvision_av \
   --modality_keys single_arm gripper

评估结果摘要

• Total trajectories: 60
• Average MSE: 426.0566277531215
• Single traj MSE (示例): 426.0566277531215
• 可视化保存: ./dataset/pickup-boxs16-model/eval_traj0.png
• 已生成可视化（plot）并打印关键维度：
  • state_joints vs time
  • gt_action_joints vs time (150, 6)
  • pred_action_joints vs time (150, 6)

备注：日志包含后端加载与权重分片装载信息（略）。如需完整原始日志，请将终端输出另存为文件并在此处追加链接或引用。