导出

​

每个发布版本包含的内容

​

导入 LeRobot 数据集

• 每个 LeRobot episode 成为一个 .mcap 文件，Avala 将其作为一个数据项接入。一个 LeRobot episode 对应一个 Avala 序列。
• 摄像头流写为 foxglove.CompressedImage，因此可以在 Mission Control 查看器中渲染。
• 本体感知（observation.state、action 以及其他一维数值特征）写为 google.protobuf.Struct 消息。数值被完整保留，可作为原始消息读取。
• 其他每帧列（奖励、episode_uuid、failure_type 及其他文本列）也各自保留在独立的 topic 中。control_source 列（policy、teleop、intervention、hold）写入 /lerobot/control_source。

pip install "avala[lerobot]"

avala import lerobot \
  --repo-id your-hf-user/your-dataset \
  --name "Teleop rollouts" \
  --slug teleop-rollouts \
  --episodes 0,1,2 \
  --wait

from avala import Client
from avala.importers import import_lerobot

dataset = import_lerobot(
    Client(),
    repo_id="your-hf-user/your-dataset",
    name="Teleop rollouts",
    slug="teleop-rollouts",
    episodes=[0, 1, 2],
    wait=True,
)
print(dataset.uid, dataset.item_count)

​

把 Avala 数据集导出为 LeRobot

avala lerobot export your-org/your-dataset \
  --repo-id your-hf-user/your-dataset \
  --output ./lerobot-out \
  --fps 30 \
  --task "load the dishwasher" \
  --include-outcomes

​

在训练中使用结果标签

• 按 outcome、progress、quality 和 speed 为序列加权或挑选序列。
• 用子任务的 label 字符串和手部动作的 action 字符串训练语言条件策略。
• 构建您自己的验证集时，按泄漏组划分。
• 合并来自其他来源的数据时，把 evaluation_membership 为 held_out_eval 的序列排除在训练之外。发布版本从不包含它们。