Skip to main content
Une release de fleet learning est conçue pour votre stack d’entraînement. Cette page couvre l’importateur LeRobot, l’exportateur LeRobot et les fichiers livrés avec chaque release.

Contenu de chaque release

Chaque release d’un programme de fleet learning comprend : Avala prépare l’export LeRobot dans le cadre du programme. Vous exécutez l’entraînement.

Importer un jeu de données LeRobot

L’importateur LeRobot lit un jeu de données LeRobot depuis le Hugging Face Hub ou un répertoire local. Il crée un jeu de données MCAP Avala.
  • Chaque épisode LeRobot devient un fichier .mcap, qu’Avala ingère comme un élément. Un épisode LeRobot correspond à une séquence Avala.
  • Les flux caméra sont écrits en foxglove.CompressedImage, ce qui permet leur affichage dans le visualiseur de Mission Control.
  • La proprioception (observation.state, action et les autres caractéristiques numériques 1-D) est écrite sous forme de messages google.protobuf.Struct. Les valeurs sont conservées et lisibles comme messages bruts.
  • Chaque autre colonne par image (récompenses, episode_uuid, failure_type et autres colonnes de texte) est conservée dans son propre topic. Une colonne control_source (policy, teleop, intervention, hold) est écrite dans /lerobot/control_source.
L’importateur cible l’API de jeux de données LeRobot v2.1 et v3. Il nécessite l’extra lerobot, qui demande Python 3.12 ou une version ultérieure. Pour les jeux de données LeRobot v3, un lecteur sans torch fonctionne aussi avec Python 3.9 ou ultérieur : pip install "avala[lerobot-core-video]".
Passez repo_id, root ou les deux. En Python, state_keys sélectionne les caractéristiques numériques à conserver. Sa valeur par défaut est observation.state et action.

Exporter un jeu de données Avala vers LeRobot

Vous pouvez aussi convertir vous-même n’importe quel jeu de données de séquences Avala en LeRobot v3. Une séquence Avala devient un épisode LeRobot.
--include-outcomes écrit l’étiquette de résultat courante de chaque séquence dans meta/avala_sequence_outcomes.jsonl, une ligne par épisode LeRobot. En Python, passez include_outcomes=True. Le format du fichier est décrit dans la section Exporter les étiquettes de résultat avec LeRobot de la page Schéma des métadonnées de séquence. Ajoutez --state-key et --action-key lorsque les images sources contiennent de la proprioception. La liste complète des options et l’API Python se trouvent dans Avala + LeRobot.

Utiliser les étiquettes de résultat pour l’entraînement

Les étiquettes de résultat accompagnent l’export LeRobot. Usages courants :
  • Pondérez ou sélectionnez les séquences selon outcome, progress, quality et speed.
  • Entraînez votre modèle sur les chaînes label des sous-tâches et les chaînes action des actions des mains pour des politiques conditionnées par le langage.
  • Séparez par groupe de fuite lorsque vous construisez vos propres ensembles de validation.
  • Tenez les séquences dont evaluation_membership vaut held_out_eval à l’écart de l’entraînement lorsque vous fusionnez des données d’autres sources. Les releases ne les incluent jamais.
La validité technique ne figure pas dans l’export. Avala révise et accepte les séquences avant leur entrée dans une release. Consultez la section Validité technique de la page Schéma des métadonnées de séquence.