章节目录
本页目录
实验记录与 v5 路线图
这里保留 Quaddle VLA 的历史实验结果、v4 试验记录与后续路线。初次复现请从Quaddle VLA 动手教程开始。本页接续仓库根的总方案 Petoi-Quaddle-VLA训练方案-10GB.md(W1/W2/W5 执行记录;该文档本地保留、已不入库),并对照真机主线的《Quaddle_SmolVLA训练目标细化方案.md》(本地 Downloads,下文简称《细化方案》)。
如何理解这些记录
- 专家闭环验证 ≠ 模型成功:v4 的“23/24”是脚本化专家在仿真里的到达数,不是训练后策略的成功率。v4 模型训练仍在进行中,验收表里的成功率待回填。
- 没有随仓库分发的视频:数据集、检查点、rollout GIF 都在 gitignore 的
outputs/下,只在本机保留。本页不从画面反推奖励函数、训练耗时或成功率。 - 特权信息:观测里的
bearing/dist在仿真中直接给出,真机上需外置相机定位求出或让 VLA 从图像学。跨平台比较时注意这一差异。 - 记录日期:2026-11-11。v4 执行环境:cclab 工作台
loop-v7-gpu-0702(L20 24GB),与基线复现用的本地 4070 Ti 不是同一台机器。
一、v4 做了什么:把“原地转”能力缺口补上
1.1 背景(W5 遗留问题)
v3 基线:目标在前侧方 ±60° 时 100% 到达(1/3 场景),初始 bearing > 120°(目标近正后方)时失败。W5 归因为“动作空间缺纯原地转原语——差频档必带弧线”。
1.2 根因更深一层:弧线档本身就是坏的(本轮新发现)
在滚轮足端 MJCF 上系统扫描(spin_feasibility.py,8 候选步态表 × 10s)+ 闭环专家对照(expert_spin_smoke.py,2 seeds × 12 场景)后,W5 的归因需要修正:
| 档位 | 实测行为 | 结论 |
|---|---|---|
| turn weak(1.5/2.5Hz) | 净转向 ≈ 0 且符号随机(多次实测 bearing 越转越偏) | W2 只标定了 strong 表,weak 表从未单独验证——v3 的“死区振荡极限环”与“恒 turn_right 超时”均源于此 |
| turn strong(1.0/3.0Hz) | wz ≈ ±0.3 可用,但持续执行约 2s 内翻倒(roll 30°+) | 只能短脉冲用,专家闭环里不可依赖 |
| 左右反相同频同幅 | 仍以直线前进为主(vx 118mm/s),翻倒 | 单向棘轮抵消了相位差,排除 |
| spin(一侧腿停摆 + 另一侧 trot) | wz +0.50 / −0.42 rad/s,连续 10s roll < 13° 不翻,净位移 < 35mm | 滚轮单向棘轮下唯一可靠的转向原语 ✅ |
推论:v3 专家在 rear 场景本身就大量翻倒/超时被静默丢弃(闭环对照实测 v3 专家 24 场景仅 2/24 到达)——“数据里 rear 场景少”不是采样偏差,是专家自己进不去那个域。
1.3 v4 专家设计(已冻结,闭环验证 23/24 vs v3 2/24)
dist < 12cm → stop(成功)
|bearing| > deadzone(±12~40°) → spin_left / spin_right # 转向 100% 支点转
否则 → forward
两条稳定化规则(缺一不可,均有翻倒证据):
- 方向锁定:spin 触发时锁定方向直到退出(初始 bearing 近 ±180° 时符号会被噪声翻转,逐帧重取方向会抖动换向);
- 切档最小驻留 0.4s:死区边界 spin↔forward 抖动会让 CPG 幅值斜坡(0.3s)反复清零重爬,腿部冲击是近目标翻倒的直接诱因。
1.4 动作空间与数据(v4 相对 v3 的变更)
- action 2 维 → 3 维
[vx_dir, wz_dir, spin]:forward=(1,0,0)、spin_left=(0,+1,1)、spin_right=(0,−1,1)、stop=(0,0,0) - 初始朝向 50% 过采样“目标正后方”(±30°,v3 均匀 yaw 下 rear 仅 1/3 覆盖,且其中大部分被翻倒专家丢掉了)
- 数据集:
local/quaddle_nav_400v4,400 条,seed 5000(EGL 渲染,约 2s/条) - 推理端:
eval_rollout_gif.py量化器适配 3 维(spin 旗标阈值 0.45 + wz 符号),执行器同款驻留规则;新增--fm-steps参数(flow matching 积分步数 10→20 对照)
1.5 v4 验收标准(v4 随环境迁移终止,未出最终评估;v5 在新环境接棒)
| 项 | v3 基线 | v4 目标 | v4 实测 |
|---|---|---|---|
| seed 7000 三场景闭环 | 1/3 | 3/3 | 待训练 |
| rear 场景(bearing>120°)专项 | 0%(翻倒/绕弧) | 到达 | 待训练 |
| 前侧方不回退 | ✓ | ✓ | 待训练 |
| flow matching 20 步 vs 10 步 | — | 幅值尖锐化对比 | 待试验 |
二、与《细化方案》的对照
《细化方案》以真机为主线(OpenCat 固件承担步态,VLA 出连续速度指令);本文 v4 以仿真为主线(自建 MJCF + CPG 档位库)。两者是同一管线的两个阶段,不是二选一——《细化方案》风险表自己列明:“发货前无真机 → 官方模拟器跑通管线”、“真机数据采不动 → MuJoCo sim 预训练,真机数据后训练”。v4 就是这两条的落实,且深度超出其设想(完整闭链 MJCF 而非简化模型)。
2.1 关键分歧:动作空间
| 《细化方案》主方案 | v4 实际采用 | |
|---|---|---|
| 选型 | 连续 (vx, vy, ω) | 离散档位 + spin 旗标(即《细化方案》的“技能 token”备选路线) |
| 前提 | OpenCat 固件步态质量好(kwkF/ktrL/kbwF 全向) | 仿真中连续速度没有可靠执行器 |
仿真实测证据(v3 三轮 + 本轮扫描):
- weak 弧线档转向不可控(净转向≈0/符号随机)、strong 档不可持续(2s 翻倒)→ ω 跟踪失败;
- 滚轮单向棘轮:无倒挡、无横移 →
vy与负vx在仿真里没有执行器; - flow matching 连续强度编码已翻过车(输出 ±0.4 而非 ±1.0,绝对阈值量化全判 stop)。
结论:仿真阶段技能 token 是唯一可行解;《细化方案》的连续速度决策在真机上依然成立(固件步态质量好),届时是接口切换而非架构重写——档位 ↔ OpenCat 指令天然一一对应(forward↔kwkF、spin↔ktrL),迁移面比连续速度更干净。
2.2 全维度对照表
| 维度 | 《细化方案》 | v4 | 评价 / 采纳 |
|---|---|---|---|
| 任务考纲 | L1 指令跟随 → L2 视觉导航 → L3 避障 → L4 条件组合 | 仅 L2(颜色块导航) | 方案更好,采纳为 v5+ 考纲(见第三节) |
| 数据来源 | 真机遥操作 + Puppet Mode + 恢复数据 | 脚本化专家(方位闭环) | 各自平台最优;真机阶段按方案执行 |
| 恢复数据 | 20~30%(扰动注入 + 录制恢复) | 无显式恢复数据 | v5 采纳(仿真零成本:踢扰/偏移初值 + 专家天然闭环恢复段) |
| 微调方式 | 全参 bf16,batch 32~64 | 冻结视觉编码器,batch 4 | batch 4 是 4070Ti/10GB 预算遗产,L20 上放大到 8~16 |
| 动作平滑正则 | 差分惩罚(保护舵机) | 不需要 | 档位空间 + amp ramp + 驻留已内置 |
| 观测状态 | 4 维舵机角 | 8 维(舵机+vx/wz+bearing/dist) | bearing/dist 是特权信息:真机需外置相机定位求出,或让 VLA 从图像学(方案的“外置俯拍相机”路线兼容) |
| flow matching 步数 | 推理 5~10 步 | 计划测 20 步 | v3 幅值保守教训支持多步;两种都测 |
| 评估 | 每任务 20 次,L2≥70%,延迟 <100ms,平滑度指标 | seed 7000 固定 3 场景 | 方案统计力强,扩到 20 episodes/任务;延迟/平滑度真机阶段再测 |
| 周期与验收 | 4 周,L1≥90%/L2≥70%/L3≥50% | 单任务闭环 | 真机阶段按方案验收 |
2.3 《细化方案》可吸收清单(按成本排序)
立即(v4 训练时):
- L20 上 batch 4 → 8(必要时 16),训练时长进一步压缩;
- 评估从 3 场景扩到 20 episodes/任务(固定场景集 + 随机 seed 池)。
v5(仿真扩展轮):
- 恢复数据 20~30%:采集时对机器人注入随机踢扰/位置偏移,专家天然闭环恢复段自动入库;
- L1 指令跟随任务(“向前走/左转/原地转”纯语言→档位)——注意“后退两步”在仿真无倒挡(单向棘轮),需先做倒挡建模或该指令跳过;
- L3 避障任务(积木间穿越/绕行)——正好检验 flow matching 多峰分布价值(《细化方案》§2.2 的论点在仿真里可定量验证);
- L4 条件组合(“看到绿色就停下/先红后蓝”)——语义深度。
真机交接时决策:
- 动作空间两条路线都留接口:连续
(vx,vy,ω)重训(方案主线)vs 档位直接映射 OpenCat 指令。建议先用档位映射跑通(迁移面最小),再评估是否值得换连续空间重训。
三、v5+ 路线图(仿真阶段,对齐《细化方案》考纲)
| 阶段 | 内容 | 验收 |
|---|---|---|
| v4(进行中) | L2 导航 + spin 原语 + rear 过采样 | seed 7000 3/3;rear 专项通过;前侧方不回退 |
| v4.5 | batch 放大 + 20 episodes/任务评估 + fm-steps 10/20 对照 | 评估报告(成功率表 + 失败归因) |
| v5-L1 | 指令跟随任务集(语言→档位,含原地转) | 指令语义-动作一致率 ≥90%(对齐方案 L1 标准) |
| v5-L2+ | 恢复数据 20~30% 混入 L2 重训 | 分布偏移鲁棒性:踢扰后恢复率 |
| v5-L3 | 避障任务(静态障碍绕行/穿越) | 不碰撞到达 ≥50% |
| v5-L4 | 条件组合任务 | 触发时机 + 子任务顺序正确 |
| 真机(12 月交付后) | 按《细化方案》主线执行:档位→OpenCat 映射打通 → 遥操作采数据(含 Puppet Mode)→ sim 预训练权重 + 真机数据后训练 | 方案 §九 验收清单 |
四、v4 执行状态(2026-11-11)
- 全链接力已挂:工作台
v4chain.sh无人值守运行——采集结束 → 自动训练(batch8/30k)→ seed 7000 评估 → fm-steps 20 对照 → 20 episodes 扩展评估;日志/root/v4chain.log(分段日志/root/v4train.log)。 - 代码改动(本地工作区 + 工作台已同步,未 commit,待 v4 结果一起提交):
8.rl_quaddle/cpg_controller.py:SKILLS 增spin_left/spin_right档 + 标定注释quaddle-data/collect.py:3 维动作、50% rear 过采样、spin-only 专家 + 驻留quaddle-data/eval_rollout_gif.py:3 维量化、执行器驻留、--fm-steps- 新增
8.rl_quaddle/scripts/spin_feasibility.py、quaddle-data/expert_spin_smoke.py
- 工作台环境:torch 2.11+cu128 / mujoco 3.8.1(官方 PyPI,镜像 wheel 残缺)/ lerobot 0.6.1(av 锁 15.1.0)/ smolvla_base 873MB 就绪;渲染
MUJOCO_GL=egl(2026-11-11 修复 NVIDIA EGL:/workspace/eglfix/install.sh30 秒重装;实测 0.3-0.5ms/帧,物理仅 0.06ms/步——首轮采集曾用 osmesa 软渲染,~95% 时间耗在渲染上)。 - 数据采集:EGL 重采(~2s/条,约 15 分钟完成 400 条;首轮 osmesa 165 条因光栅化器混流弃用——一次数据集只能用一种渲染器,动态不受影响:渲染不参与物理)。评估与训练保持 EGL 一致。
下面是工作台 loop-v7-gpu-0702 上的实际执行命令(L20 24GB,EGL GPU 渲染,独立 leroenv),保留作为运行记录;本地 4070 Ti 的规范复现路径见动手教程。
# 训练(L20,batch 8 起步按显存二分;save_freq=30001 > steps ⇒ 只存 final
# checkpoint ~5.4GB——/workspace 仅 12G 余量,多档位 checkpoint 会爆盘)
cd /workspace/dive-into-embodied-ai/codes/practices/vla/quaddle-data
PYTHONNOUSERSITE=1 MUJOCO_GL=egl LD_LIBRARY_PATH=/usr/local/nvidia/lib HF_HUB_OFFLINE=1 /workspace/leroenv/bin/lerobot-train \
--policy.path=lerobot/smolvla_base \
--dataset.repo_id=local/quaddle_nav_400v4 \
--dataset.root=outputs/dataset/lerobot \
--batch_size=8 --steps=30000 --save_freq=30001 \
--policy.device=cuda --policy.push_to_hub=false \
--policy.scheduler_decay_steps=30000 \
--output_dir=outputs/smolvla_quaddle_v4
# 评估(seed 7000 对比基线 + fm-steps 20 对照;渲染器必须与训练数据一致 = EGL)
PYTHONNOUSERSITE=1 MUJOCO_GL=egl LD_LIBRARY_PATH=/usr/local/nvidia/lib HF_HUB_OFFLINE=1 /workspace/leroenv/bin/python \
eval_rollout_gif.py --episodes 3 --seed 7000 \
--ckpt outputs/smolvla_quaddle_v4/checkpoints/last/pretrained_model \
--out outputs/rollout_v4.gif
PYTHONNOUSERSITE=1 MUJOCO_GL=egl LD_LIBRARY_PATH=/usr/local/nvidia/lib HF_HUB_OFFLINE=1 /workspace/leroenv/bin/python \
eval_rollout_gif.py --episodes 3 --seed 7000 --fm-steps 20 \
--ckpt outputs/smolvla_quaddle_v4/checkpoints/last/pretrained_model \
--out outputs/rollout_v4_fm20.gif
注:v3 的对照命令见动手教程的复现章节;v4 的 seed 7000 场景与 v1/v3 完全一致(同 eval 脚本同 seed 流),成功率可直接对比。
五、历史记录:v1/v2/v3 三轮评估
同 seed(7000)三场景闭环 rollout,检查点取各自 last:
| 版本 | 数据 | 训练 | 成功率 | 失败模式 |
|---|---|---|---|---|
| v1 | 250 条固定死区 | 20k | 1/3 | ep0/1 恒 turn_right 超时 |
| v2 | 250 条(死区随机化未生效,事后发现) | +dont_wait 续训 | 1/3 | 与 v1 完全一致 |
| v3 | 400 条真·随机死区 ±12~40° + 转向连续强度 | 30k @base | 1/3 | ep0/1 转向激进 → 翻倒 |
ep2(blue)三版全部成功(约 2.8s 到达)——VLA 闭环导航能力成立。
根因分析(诊断脚本 diag_ep0 实测)
ep0 场景初始 bearing ≈ −161°(目标几乎正后方)。v3 诊断输出:模型方向正确(wz<0 右转)但强度不足(−0.47),且 turn 档执行自带直行分量 → 弧线稳态中 bearing 恒定(几何性质)→ 无限右弧。W5 当时归因为“动作空间缺纯原地转原语”;v4 进一步发现弧线档本身不可靠(见 §1.2),归因已修正。
低层 RL 的存档结论
低层运控曾尝试 RL 速度跟踪策略(逐关节动作、CPG 参数动作两代动作空间,含 dont_wait 罚与 skew 谐波维),四轮 checkpoint 均未学会命令条件化响应(vx_err 64mm/s @ ±120 命令)。症结是 4 足球足端摩擦系统的“行走解”需精确相位-偏斜组合,on-policy PPO 的参数空间探索无法可靠命中;而查表(人工标定)10 分钟即得。最终低层以查表 CPG 控制器验收通过(forward +113mm/s,11s 指令序列位移 1.1m 未翻倒)。RL 复活前提:观测加 CPG 相位时钟与“上一档位”历史。详见 8.rl_quaddle/README.md。
环境参考
- 基线复现(本地):Python 3.12、torch 2.10+cu128、lerobot 0.6.1,环境在
codes/practices/vla/act,依赖以该目录pyproject.toml和uv.lock为准。 - v4 试验(工作台):torch 2.11+cu128、mujoco 3.8.1、lerobot 0.6.1(av 锁 15.1.0),渲染
MUJOCO_GL=osmesa。 - 显存与吞吐需在自己的机器上通过短训练检查;batch 4 是 10GB 预算遗产,不是最低要求。
上游与许可
- 机器人模型:Petoi 官方 Quaddle(URDF + STL,MIT 协议),闭链结构复刻官方网页仿真器 quaddle-sim。
- 基座:SmolVLA(
lerobot/smolvla_base)+ SmolVLM2,经 LeRobot 0.6.1 微调。 - 复用模型与代码时分别检查对应许可;真机 OpenCat 固件的步态表(kwkF/ktrL/kbwF)以官方开源进度为准。
v5:环境统一与首轮闭环(2026-11-12)
决策:仓库两套 Quaddle MuJoCo 环境不能并存,VLA 管线统一到《Quaddle 入门》教程环境
(codes/practices/quadruped/quaddle-mujoco/)。v4(cs123 环境)结果归档为旧环境基线,
训练在 ~40% 处终止。两套环境数据/策略不可互换。
v5.0 转向扫描与专家(环境迁移重验证)
| 候选 | 实测 | 结论 |
|---|---|---|
| steer_L(duty 左缩右放 ±0.2) | wz +1.203 rad/s,转弯半径 ~2.6cm 准原地转,10s 不翻 | 主转向原语 ✅ |
| steer_R(镜像) | wz −0.612 rad/s(方向不对称),10s 不翻 | 可用 ✅ |
| duty 不对称 ≥0.33(任意方向) | roll 30°+ 翻倒 | 弃用 |
| pivot(cs123 的停摆机制) | pivot_L 翻倒 / pivot_R 弱 | 不迁移成立,弃用 |
| base_walk 开环 | 自身漂移 +0.23 rad/s | 专家闭环需修正 |
- 动作空间回退 2 维
[vx_dir, wz_dir]——新环境原生转向可靠,spin 旗标取消 - 专家 = 二值档位(|bearing|>死区 → steer ±全幅)+ 0.4s 切档驻留 + rear 过采样 50%
- 闭环 smoke 两 seed 全胜:9/9 + 12/12 到达、零翻倒(含 rear 场景过半)
- 比例连续转向复测更差(4 条 2 超时)——v4 教训跨环境复验:连续强度 = 弱执行
v5.0 管线与首轮结果
- 数据:4 worker 并行采集 252 条(各 63 条、独立 repo_id),lerobot 官方
aggregate_datasets合并(v3.0 格式,concatenate_videos=False免 ffmpeg); 单条 35-40s / 350-400 帧 = 帧密度为 cs123 的 4-5 倍,合计 90,054 帧 - 训练:batch 32 / fp32 / 6000 步(loss 1.28 → 0.105),51 分钟,11.3GB 显存
- 评估:seed 7000 三场景 1/3,20 episodes 仅 2/20(1/3 非噪声)
- 多数据集训练在 lerobot 0.6.1 = NotImplementedError(列表 repo_id 未实现)
五轮诊断(诊断脚本已归档,证据链记录于下)
- 数据分布:steer_R 32.1% / steer_L 23.5% / forward 44.1%,rear 区转向选择 48/48 对称——数据健康 ✅
- fm-steps 10 vs 20:逐档位统计完全一致——积分步数假设否定 ✅
- 量化器硬约束(vx<0 置零、|wz|>0.5 强制纯转向):2/20 持平——量化层排除 ✅
- 重规划间隔 2.5s → 0.5s:行为质变(单档锁死 → 出现方向修正,末距离 48→29cm)但仍 1/3——推理机制部分改善,不达标
- 训练观测直接喂模型(policy.reset() 清 select_action 内部队列后):7 帧档位判别全对—— forward 帧 → (+1.01, +0.09),steer 帧 → (−0.87, ±1.38)。模型本身在训练分布内是好的 ✅
根因与 v5.1 修复
根因:OOD 自旋转状态的 compounding error——评估中策略持续转向,自转 60s 的状态 (高角速度、任意朝向、关节构型)远超训练分布(数据转向段仅 2-5s),模型输出坍缩为 常数单档(steer_R 600 步不换),bearing 扫过 0 也不前进。v3 的"恒 turn_right"同族。
v5.1 修复实验(恢复数据,规划项落地):collect_v5.py --recovery 6——专家接管前
1~6s 随机档位扰动(不录制),把机器人推进自旋/偏移态,随后的专家恢复段教会策略
"从乱态回目标"。4 worker × 25 条(摔倒率 55%,随机扰动本身易致跌——v5.2 若扩量需
限制 warmup ≤3s 或加安全偏置),合计 352 条 / 137k 帧,恢复占比 28%。
v5.1 结果:恢复数据未奏效——seed 7000 1/3、20 eps 2/20(与 v5 持平)。 新观察:出现纯 forward 直行到达的成功新模式(ep16,forward 282 步); 重规划 0.5s 后失败例也开始混合双方向修正。恢复数据假设在 28% 配比下证伪。
待验证假设与下一步(按成本排序)
- 训练欠拟合 → 12k-20k 步延长训练(loss 终值 0.105,需对比 loss 平台)
- 动作空间重设计:单通道档位编码(
mode ∈ {−1,0,+1}消除 vx/wz 联合外推空间) - 恢复数据扩量 + 覆盖更长自旋态(warmup 6s → 15-30s,配安全偏置防翻)
- 升级 lerobot 修 bf16 AMP(2x 提速,为 1-3 的多轮迭代降本)
- 观测表征:bearing/dist 特权信息可能被图像通道淹没,尝试 state-only 消融
训练极限加速:8.2x 无损提速(2026-11-12)
为支撑"加大训练量"的多轮迭代,对训练过程做了极限优化。实测 509ms/step → 62.5ms/step
(8.2x,62.9 → 512 samples/s),显存 11.4G → 3.4G,数值等价(同 batch 同噪声 loss 差
2.2e-4,探针参数梯度 cosine 0.996–0.99999)。配方完全不变(AdamW/cosine/clip10/batch32/
同 EpisodeAwareSampler),checkpoint 与 eval_rollout_v5.py、lerobot resume 完全兼容。
瓶颈定位(batch32 单步实测分解)
| 阶段 | 耗时 | 性质 |
|---|---|---|
| SigLIP 视觉编码器(3×512²) | 266ms (52%) | 冻结却每步重算——纯浪费 |
| VLM+专家前向 | 87ms | eager fp32 注意力(物化 291² 权重矩阵) |
| 反向 | 132ms | 梯度穿过全部 291 token,其中 240 个冻结 token 本不需反传 |
| 预处理+优化器 | ~31ms | 图像 resize/uint8 转换可省 |
优化栈(cached_smolvla.py / build_cache_v5.py / train_cached_v5.py)
- 冻结图像嵌入缓存:视觉编码器+connector 冻结、无图像增强(
image_transforms.enable=False), 故每帧 SigLIP 输出(3×64×960 bf16,已乘 √hidden)是定值。一次性预计算 123,328 帧落 NAS/dataset/mtl_data/quaddle_vla/cache_emb_v51(45.5GB memmap + meta.npz,构建 27min)。 训练彻底跳过视觉编码器与图像预处理。 - 梯度分裂前向:prefix-lm 掩码下图像/语言 token 不 attend state/action(
make_att_2d_maskscumsum 语义),其逐层 K/V 与可训练state_proj、噪声动作无关。冻结 prefix 在no_grad下跑 16 层 VLM 只留 post-RoPE K/V;可训练流(1 state token 走 VLM + 50 action token 走专家)带梯度 attend 到冻结 K/V。反向只穿过 51 token(原 291)。 - flash SDPA:替换 eager fp32 注意力。语言 padding(48 中仅 6 真实,三任务皆 6)在原模型中
处处被掩掉,故冻结 prefix 直接丢弃 padding 用 198 真实 token 双向无掩码 attention(flash 后端);
GQA 头显式 expand 以避免
enable_gqa+bool mask退化到 math 慢路径。 - torch.compile(
max-autotune-no-cudagraphs):融合 layernorm/RoPE/残差/SiLU 小算子。 未 compile 112ms/step(4.5x),compile 后 62.5ms/step(8.2x)。预热 ~5min(一次性)。
为什么 100x 物理不可达(单卡 L20)
- 可训练专家 fwd+bwd ≈ 33 GFLOPs/样本,L20 bf16 峰值 119 TFLOPS → 即便完美缓存+零 I/O, 100% MFU 理论上限 ~57x;当前 42% MFU 已是小模型合理水平。
- 完整逐层 KV 缓存(4MB/帧)受 NAS ~2GB/s 读取限制(O_DIRECT 实测,多线程不扩展), batch32 每步 128MB → I/O 上限 ~8x。图像嵌入缓存(368KB/帧,12MB/步)则无此瓶颈。
- 结论:8.2x 已逼近"无损(数值等价)+ 单卡 + NAS 存储"约束下的实际极限。再往上需 fp8 KV(牺牲数值) 或多卡,不在本轮范围。
续训运行与结果(v5.1-30k-fast)
chain_v51_30k_fast.sh:从 v5.1-ext 18k checkpoint sample-exact 续训到 30k(新 cosine decay=30000,
起点 lr 3.62e-5),输出落 NAS /dataset/mtl_data/quaddle_vla/runs/v51_30k_fast,训完自动 seed 7000
三场景 + 20 episodes 评估。12k 新步实测 ~13min(稳态 62.6ms/step + ~5min compile 预热),对比原速 1.7h。
| 配置 | epochs | 训练 loss 终值 | seed7000 | 20 eps |
|---|---|---|---|---|
| v5(6k) | 1.4 | 0.105 | 1/3 | 2/20 |
| v5.1-ext(18k) | 4.2 | — | 1/3 | 6/20 |
| v5.1-30k-fast | 7.0 | 0.054 | 1/3 | 5/20 |
关键结论:训练量假设饱和。 6k→18k(2→6/20)的真实增益在 18k→30k(6→5/20,噪声内)停止; 训练 loss 仍单调下降(0.073→0.054)但闭环成功率 plateau 于 ~25-30%。这是 compounding error 的 典型信号——训练分布内拟合更好 ≠ rollout OOD 漂移修复。失败例仍为 steer_R/steer_L 振荡不收敛 (如 ep1 200R+400L、ep6 130R+470L),成功例已覆盖三色(red ep12 / green ep4,19 / blue ep2,8)。
下一步转向:瓶颈已非欠拟合,而是 OOD 自旋态覆盖不足。优先 plan #3(单通道档位动作编码, 消除 vx/wz 联合外推)或 #4(恢复数据扩量 + 更长自旋态覆盖)。8.2x 加速使这两条半天级迭代降到 分钟级训练,可快速证伪/证实。
v6:#3 单通道档位 + #4 扩量恢复(2026-11-12,阴性结果)
用 8.2x 加速管线快速验证 plan #3/#4。两条杠杆均未修复 OOD 自旋,1D 动作反而略降。
| 实验 | 动作空间 | 数据 | 训练 | seed7000 | 20eps |
|---|---|---|---|---|---|
| v5.1-ext | 2D [vx,wz] | 352(28% 恢复) | 18k | 1/3 | 6/20 |
| v5.1-30k | 2D | 352 | 30k | 1/3 | 5/20 |
| v5.1-43k | 2D | 352 | 43k | 1/3 | 2/20 |
| Exp A(#3) | 1D mode | 252 常规 | 18k | 1/3 | 3/20 |
| Exp B(#3+#4) | 1D mode | 352(扩量恢复) | 18k | 1/3 | 2/20 |
实现要点
- #3 1D 档位:
action=mode∈{−1,0,+1}={steer_R, forward/stop, steer_L},消除 2D 联合外推区 (mode 负值=steer_R 合法,无原 vx<0 无执行器问题)。eval 量化阈值 ±0.5。 - lerobot 1D bug:action_dim=1 时数据集把 singleton 维 squeeze 成 (B,50),标准训练前向
prepare_action崩溃(mat1 1024×50 vs mat2 32×720)。绕过:init_1d_v6.py用make_policy只构造+加载权重(不前向)生成 1D 适配 step0 checkpoint,加速训练器读缓存 (N,50,1) 正常。 - #4 扩量恢复:warmup 15-30s(原 1-6s)+ 转向档偏置 70%(诱发原地自旋 OOD 态,准原地转保持 远离目标)+ roll 防翻(body z 轴竖直分量<0.92 强制前进稳定)+ warmup 后距目标<20cm 丢弃 (避免 1 帧空 episode)。reg252/full352,action 均 1D。
结论与反思
三个规划杠杆(#1 加训练、#3 动作空间、#4 恢复数据)全部证伪——闭环成功率不升反降, 失败例仍是 steer_R/steer_L 锁死 600 步原地自旋。这说明:
- 动作空间不是病灶:1D 消除无效外推后自旋依旧,甚至略差(6→3/20),2D 的表达力反而有益。
- 恢复数据未触及真实 OOD 态:专家恢复段覆盖的"乱态"与策略 rollout 实际漂移进的自旋态 分布不匹配,或策略在闭环中根本 ignoring 这些示范。
- 自旋是策略级闭环漂移:flow matching + chunk50(5s 承诺)+ 重规划机制下,策略一旦进入 自旋就自我强化,单靠数据/动作编码无法打破。
需更深层改动(超出原 plan,待决策):观测表征消融(bearing/dist 特权信息是否被图像淹没, state-only 对照)、重规划间隔/chunk 缩短、加入自旋惩罚的 RL 后训练、或换更强的闭环架构。 当前仿真 VLA 路线在 L2 导航任务上遇到方法论瓶颈。
步态顺畅度排查:模型无罪,重规划间隔是关键(2026-11-13)
用户反馈"走路爬行不顺畅"。排查过程有一次重要自我纠正:
错误诊断与纠正
初版探针在 outputs/dataset_w0/scene.xml(带积木)上测得"任何步态只走 0.4mm/s",
据此误判"伺服 kp=0.15 太弱、需改模型"。后在空场景 models/scene.xml 复测发现:
原始步态(kp=0.15)upright、69.8mm/s、垂直弹跳仅 0.86-1.0mm——走得又稳又顺。
"走不动"是探针场景里机器人被积木挡住的假象。模型与步态本身无需修改(kp=2 等"修正"已撤回,
scene.xml/gait.json 从未改动)。执行器限速+换档斜坡在空场景改善可忽略(bounce 1.0→0.95mm),
因底层本就顺。
不顺畅的真正来源与修复
导航 GIF 里的不顺畅 = VLA 策略原地自旋(OOD 坍缩),非步态问题。评估期杠杆
缩短重规划间隔(--replan-steps,打破 chunk50=5s 的自旋承诺)在 18k checkpoint 上:
| replan 间隔 | 20eps |
|---|---|
| 25 步=2.5s(旧默认) | 6/20 |
| 5 步=0.5s | 7/20(最佳,走路 upright 顺畅) |
| 10 步=1s | 1/20(非单调,共振自旋周期) |
结论:保持原始步态(kp=0.15)+ eval 默认 --replan-steps 5,机器人 upright 顺畅行走导航,
成功率 7/20(无需重训)。这是"顺畅走路"的正确形态。重规划间隔与自旋周期非单调,0.5s 为 sweet spot。
DAgger 闭环恢复重训(2026-11-13,阴性)
用策略自身 rollout(replan5)访问的 OOD 态 + 专家 bearing/dist 标签采集 60 条
(dagger_collect_v5.py),与 reg252 合并(312 集)从 18k 加速续训到 24k。
结果 seed7000 1/3、20eps 3/20,差于基线 18k+replan5 的 7/20。行为上 forward 尝试增多
但仍 steer 振荡超时。DAgger 未能修复 compounding error。
全部训练侧杠杆汇总(20eps):18k+replan5=7/20(最佳);30k/43k=5/20/2/20(过拟合); #3 1D=3/20;#4 开环恢复=2/20;DAgger=3/20。OOD 自旋为顽固瓶颈,验收线(3/3、≥60%)未达。
Temporal ensembling 突破 OOD(2026-11-13,验收达标)🎯
评估期 ACT 式时间集成(eval_ensemble_v5.py):每 5 步 predict_action_chunk 重规划,
对重叠 chunk 预测做 recency 加权平均(exp(-k·age),k=0.01)后执行,取代固定动作队列。
无需重训,在 18k checkpoint 上:
- seed7000 三场景 3/3(ep0 red / ep1 green / ep2 blue 全✓)
- 20eps 17/20 = 85%,远超验收线 ≥60%
行为质变:档位呈健康 forward+steer 混合(不再纯自旋锁死)。时间集成平滑了 chunk 间冲突、 抑制 OOD 自旋 compounding error——此前所有训练侧杠杆失败,而评估期时序集成首次突破。
新 best = 2D 18k + temporal ensembling(replan5, k=0.01)。验收(3/3、≥60%)达标。
L2 导航 best:SmolVLA 18k + temporal ensembling(VLA 策略 rollout,斜视全场,960×720 25fps、1x 真实速度、逐集指令标注;三次评测 17/17/16,首评 17/20=85%)
丝滑版(50fps 渲染):原始 GIF 为 10fps 显卡顿;改为每控制步渲染、50fps 播放后动作丝滑 (同一 18k+ensembling 策略,6 集 5 胜)。提速需更快步态,但当前策略绑定训练步态,提速会伤导航, 需在更快步态上重训(见下)。丝滑 GIF 已做播放期 3x 时间压缩 + 30fps 运动补偿插值 (2026-11-14,物理轨迹不变,见 #gif-playback);上方定稿 mp4 最终版为 25fps、1x 真实速度、逐集指令标注(2026-11-15,取代早前的 2x 速压缩版)。

这个 GIF 是怎么训练出来的(VLA):
- 模型:SmolVLA 450M(
lerobot/smolvla_base,SmolVLM2 骨干 + flow matching 动作专家);冻结视觉编码器与 VLM 骨干,只训动作专家(~100M)+ 投影层。 - 数据:查表 CPG 方位闭环专家在《Quaddle 入门》MuJoCo 环境采集 252 常规 + 100 恢复 = 352 条(v5.1),10Hz、3 相机 320² + 8 维状态 + 语言指令
walk to the {color} block;50% rear 过采样。 - 训练:batch32 / AdamW + cosine,18000 步(v5.1-ext);用 8.2x 加速管线(冻结视觉嵌入缓存 + 梯度分裂 + flash SDPA + torch.compile,509→62.5ms/step)。
- 评估(突破点):temporal ensembling——每 5 步
predict_action_chunk重规划,对重叠 chunk 预测做 recency 加权平均(exp(-0.01·age))后执行,平滑 chunk 冲突、抑制 OOD 自旋锁。20eps 17/20=85%、seed7000 3/3。
非 VLA 对照(低层步态,无策略):

此 GIF 为低层查表 CPG 开环执行 forward 档,不含 VLA 策略,仅证明底层步态顺畅、模型无需修改。
L1/L3/L4 任务扩展(2026-11-13)
按《细化方案》考纲扩展 L1/L3/L4,均用 8.2x 加速管线(采集→缓存→训6k→eval),cclab loop-v7-gpu-0702:
| 任务 | 数据 | 结果 | 目标 | 达标 |
|---|---|---|---|---|
| L1 指令跟随(walk forward/turn left/turn right/stop) | 200 | 100% 一致率 | ≥90% | ✅ |
| L3 避障(到目标+绕障碍) | 200 | 3/20=15% | ≥50% | ❌ |
| L4 条件组合(看到绿停/先红后蓝) | 200 | 0/20 | 触发+顺序 | ❌ |
结论:L1(语言→档位映射)易学达标;L3 避障泛化不足(15%);L4 条件触发/子任务顺序未学会(0%)。
L2 导航(85%)与 L1(100%)达标,L3/L4 是短板——需更多样化的避障/条件数据或更强架构。
采集/评估脚本:collect_l1.py/collect_l3.py/collect_l4.py、eval_l1.py/eval_l3.py/eval_l4.py、
chain_l1.sh/chain_l3.sh/chain_l4.sh。
L3/L4 数据扩充(2026-11-13,阴性)
假设上轮 L3 15%/L4 0% 源于数据不足(200 集)。扩到 600 集(×3)+ 训 12k(×2)+ 后方过采样 50%(L4 另调 60/40 任务配比,偏向较简单的"看到绿停")。专家采集成功率 L3 42%、L4 40%(后方过采样场景更难,丢弃多但 600 条优质示范足量)。
| 任务 | 200集/6k | 600集/12k | 达标线 |
|---|---|---|---|
| L3 避障 | 15% (3/20) | 10% (2/20) ↓ | ≥50% |
| L4 条件 | 0% (0/20) | 0% (0/20) → | 触发+顺序 |
结论:数据量不是瓶颈。 3× 数据 + 2× 训练不但没拉起 L3/L4,L3 反而略降。证实是架构/任务复杂度上限——二值档位 450M VLA 学不会"避障+导航"复合任务与"先红后蓝"条件顺序,与 fast-gait 暴露的动作空间架构限制同源。下一步若要突破,需更强架构/连续动作空间/任务分解,而非继续堆数据。L2(85%)/L1(100%) 核心基线不受影响。
脚本 chain_l3l4_expand.sh;GIF outputs/quaddle_L3_avoid_expand_2of20.gif、outputs/quaddle_L4_cond_expand_0of20.gif
(均已做播放期 4x 时间压缩,见 #gif-playback)。
提速天花板复验:K/V 缓存与 CUDA graphs 均否决(2026-11-13)
在 8.2x 基础上继续榨提速,两条路线实测均不可行,确认 8.2x(no-cudagraphs)是单卡 L20 + 此 NAS 的安全天花板。
路线一:冻结前缀 K/V 缓存——NAS I/O 反噬(否决)
思路:frozen_prefill 每步重算 198-token 前缀的逐层 K/V(实测 32.9ms,占 ~39%),VLM 冻结(vlm_layer0 可训张量 0/9)故 K/V 训练期恒定,理论上可预计算缓存跳过。
实测否决(先算 I/O 成本再动手):
| 项 | 实测 |
|---|---|
| NAS 聚合读吞吐 | 4 线程 ~687 MB/s、8 线程 ~543 MB/s(NFS 服务端瓶颈,不随线程扩展) |
| K/V 缓存 batch32 体积 | 131 MB(每帧 4.1MB,是图像 embedding 368KB 的 11 倍) |
| 新增 I/O 耗时 | 131MB ÷ ~600MB/s ≈ 218 ms/step |
| 省下的计算 | ~30 ms(frozen_prefill) |
| 当前整 step | 62.5 ms |
K/V 缓存把 ~30ms 计算换成 ~218ms I/O → 训练反慢 ~4x。缓存类优化必须先实测存储吞吐算 I/O 成本,不能只算省下的计算。 NAS 剩 7.5TB 容量够,但带宽喂不动。
路线二:CUDA graphs——计算 bound 无收益(否决)
torch.compile 改 max-autotune/reduce-overhead(含 cudagraphs)。首测两模式均崩:accessing tensor output of CUDAGraphs that has been overwritten by a subsequent run(frozen_prefill 的 kv 输出缓冲被下一步覆盖)。加 torch.compiler.cudagraph_mark_step_begin() 每步标记后崩溃解决,但基准(各 80 步):
| 模式 | 稳态 ms/step | mem | 问题 |
|---|---|---|---|
| no-cudagraphs(基线) | 69-70(稳定) | 3.4G | 无 |
| max-autotune(graphs) | 62-69,偶发 96 尖峰 | 3.2G | 提速在噪声内 + 不稳定 |
| reduce-overhead(graphs) | 70-77,偶发 91 尖峰 | 3.2G | 反而更慢 |
且 graphs 模式 grad norm 明显偏离基线(如 2.11/1.43 vs 1.46/0.72)→ 数值不等价。根因:管线是计算 bound(frozen_prefill 33ms + backward 29ms 的 matmul 主导),CUDA graphs 只省 kernel-launch 开销(此处占比极小)。生产代码恢复 no-cudagraphs。
结论:再提速只能走 FP8 计算(Transformer Engine,L20 有 FP8 张量核,~1.5x → 累计 ~12x,但需等价+闭环精度验证)或蒸馏换小模型(改变模型)。基准脚本 bench_compile_modes.sh、剖面 profile_cached.py。
快速步态重训:高速破坏二值导航(2026-11-13,阴性)
诉求"爬行太慢"。结论:原始步态 ~70mm/s 已是当前二值档位架构的导航速度近优;更快步态会破坏闭环导航。"丝滑"靠 50fps 渲染解决,"更快"受动作空间架构硬约束(观感上的"更快"最终由播放期时间压缩解决,见 #gif-playback)。
| 配置 | 开环速度 | 闭环导航成功率 | 有效导航速度 |
|---|---|---|---|
| 原始步态 kp0.15 | 69.8 mm/s | 87.5% | 正常 |
| 盲改 freq2.3/amp1.15(kp0.15) | 滑移不走 | 5.4%(全超时) | — |
| 搜索 rank3 freq2.63/kp0.40 | 108 mm/s (+55%) | 25.9%(全超时) | ~11 mm/s |
| rank3 + 驻留0.1s/死区8-20° | 108 mm/s | 23.8% | ~10 mm/s |
根因链:
- 盲改失败因 servo kp 未提(默认 0.15 太软,追不上快目标→滑移)。步态搜索(
gait_speed_search.py,调 freq/ascale/kp/kv)找到开环最快稳定步态 108mm/s,需 kp0.3-0.47。 - 但开环快 ≠ 能导航:二值档位(全速 steer_L/R)+ bang-bang 转向在高速下必然过冲振荡→绕目标打转、收敛极慢,开环 108 反成闭环 ~10mm/s。缩短驻留/减小死区救不回。
- 连续转向动作空间在 v4 已证失败(弱执行易超时),二值档位是刻意选择。故更快导航需重设计低层控制器/动作表征(超出本轮范围)。
决策:接受原始步态,不发射 fast-gait 重训。collect_v5.py/eval_ensemble_v5.py 已加 --gait-freq/--gait-amp-scale/--servo-kp/--servo-kv/--dwell-s/--deadzone-* 参数(搜索↔采集↔评估动力学一致,position 执行器需同步 biasprm[1]=-kp)。
演示 GIF 播放优化:时间压缩 + 运动补偿插值(2026-11-14)
反馈"GIF 动作太慢"。物理侧已被 #fast-gait 关闭(提速会破坏闭环导航,GIF 文件名锚定成功率,不能改物理),故在播放时间轴上优化:ffmpeg setpts 时间压缩 + minterpolate(mci/aobmc)补帧到 30fps + 调色板两遍(palettegen=stats_mode=diff / paletteuse=bayer5)。源 GIF 为 10fps 采集(silky50 为 50fps),原速播放 15-20 分钟(L4 20:00 = 20 集×60s 超时合集)。
| GIF | 内容 | 压缩 | 时长 | 体积 |
|---|---|---|---|---|
quaddle_L2_nav_ensemble_17of20 | L2 best 17/20(17 胜+3 超时合集) | 3x | 14:43 → 4:54 | 48→30MB |
quaddle_L2_nav_silky50 | L2 丝滑版 | 3x | 4:19 → 1:26 | 46→6.7MB |
quaddle_L3_avoid_expand_2of20 | L3 扩充 2/20 | 4x | 19:30 → 4:53 | 68→30MB |
quaddle_L4_cond_expand_0of20 | L4 扩充 0/20 | 4x | 20:00 → 5:00 | 69→30MB |
要点:物理轨迹逐帧不变(只是播放更快),成功率证据链不受影响;插值帧人工查验无鬼影;原件保留为 *_orig.gif。成功集(L2)压 3x 保观感质量,失败合集(L3/L4)压 4x 提高浏览效率。
执行在 cclab 工作台(loop-v7-gpu-0702):源 GIF 仅存本地 → 34 块×10MB base64 分块上传(md5 逐一校验)→ 工作台 imageio-ffmpeg 9.0.2 编码(9.5 分钟,CPU,与本地同版本同参数产物逐字节一致)→ 结果 500KB 分块回传(实测 get 通道 >512KB 截断,4MB/1MB 均不可用)→ 全量 md5 验证落位。
任务分解突破 L3/L4 架构上限(2026-11-15)
结论:L3 避障 10%→80%(16/20)、L4 条件组合 0%→85%(17/20),双双达标。 此前已证端到端 450M VLA + 二值档位学不会复合任务(600 集扩充仍阴性);本轮不改模型、不加训练,把任务分解为 "编排器 + 已验证技能",两个架构上限同时打破。
架构
| 层 | 实现 |
|---|---|
| 编排器(脚本级,确定性) | 指令解析 → 阶段计划:"先红后蓝" = [nav(red), nav(blue)];"看到绿停" = [nav(green) + stop 门控] |
| 导航技能 | 原封不动复用 85% L2 资产:18k ckpt + temporal ensembling(replan5/k=0.01)+ 原生训练短语 "walk to the {color} block" |
| L3 反射层(subsumption) | 最近非目标块 <15cm 且在前方 → 转向避让 0.8s → 清集成缓冲交还技能(目标色块不误触发——相机可分辨颜色) |
| L4 转向辅助 | task B 中 |bearing|>45° 即脚本转向、<31.5° 交还策略(贴块起步+大方位角是训练分布空洞) |
| 阶段切换/停停门控 | 与策略 state[6:8] 同源的目标状态接口(dist/bearing;真机对应目标色跟踪器) |
判据与 RNG/场景协议逐字节镜像 eval_l3.py / eval_l4.py(同 seed 同 20 场景),apples-to-apples。
结果(2026-11-15 高清重跑定稿:960×720 mp4 直出,25fps、1x 真实速度、逐集指令标注;策略噪声种子化 torch.manual_seed(7000))
| 任务 | 端到端基线 | 分解版 | 达标线 | 判定 |
|---|---|---|---|---|
| L3 避障(到目标+不碰障碍) | 2/20=10% | 16/20=80%(三跑 17/16/16) | ≥50% | ✅ |
| L4 看到绿停 | 混在 0/20 内 | 10/10 | 触发 | ✅ |
| L4 先红后蓝 | 混在 0/20 内 | 7/10(red 达成 10/10) | 顺序 | ✅ |
| L4 合计 | 0/20 | 17/20=85%(三跑 16/17/17) | 触发+顺序 | ✅ |
(L4 预算按目标数配:每段 60s。同日志可算严格总窗截断分:60s ≈ 12/20、90s ≈ 15/20,均远超 0%。 种子固定了采样,但 GPU 非确定内核仍致跨跑 ±1 集波动,各任务三跑实测见上,验收余量充足。 L2 同法三跑 17/17/16。)
L3 避障分解版:L2 技能 + 非目标块反射层,20eps 16/20=80%(VLA 技能闭环,960×720 25fps、1x 真实速度、逐集指令标注)
L4 条件组合分解版:编排器 + L2 技能,看到绿停 10/10、先红后蓝 7/10,合计 17/20=85%(960×720 25fps、1x 真实速度、逐集指令标注)
关键发现
- 顺序切换本身零失败:red 达成 + 切段 10/10(四轮运行一致)——"触发+顺序"由编排器确定性保证,这正是端到端学不会的部分。
- blue 段残余失败 = 两个已知瓶颈叠加,非编排问题:① 弱侧大角转向慢——steer_R 大角净转速实测 ~5°/s(0.612 rad/s 规格被摆振抵消,与 v4"弱档弧线"同源),rear-start 光初始转向耗 20-30s;② 贴块起步 + 大方位角 OOD——切段瞬间距 red 12cm 而指令是 blue,"近距+大角"状态在 L2 训练分布外,策略失锁可跑飞(ep15 曾漂到 127cm;同 episode 单独重跑可成功——flow 采样噪声下接近抛硬币)。
- L4 辅助迭代:无辅助 13/20 → 距离门控辅助 14/20(跑出 0.30m 即脱离辅助,门控失效)→ 纯方位辅助 15/20(90s)→ 加每段 60s 预算 16/20(首跑)→ 高清定稿跑 17/20。信息界面声明:编排器使用的 dist/bearing 与策略自身输入 state[6:8] 同源(非新增特权信息),L3 反射层用障碍身份(场景状态);真机等价物 = 目标色跟踪器/障碍检测器,均为常规感知组件。
- 下一步(若要把 task B 推向 ~100%):sequential-depart 数据补丁——采 30-60 条"从块旁出发去另一目标"专家数据(正是切段 OOD 态),8.2x 管线微调 L2 ckpt 仅需分钟级;弱侧转向运动学瓶颈需步态层解决(与 #fast-gait 结论一致)。
脚本 eval_l4_decomposed.py / eval_l3_decomposed.py(--mp4-out 直出 960×720 H.264);成品
figs/quaddle_L3_decomposed_16of20.mp4、figs/quaddle_L4_decomposed_17of20.mp4。
sequential-depart 数据补丁:L2 提升至 90%(2026-11-15)
针对 L4-B blue 段的 OOD 空洞(切段瞬间"贴着 A 块 + 目标 B 异色大方位角"不在训练分布内, 见 #decomposed 关键发现 ②):新增 48 条 sequential-depart 专家数据—— 起始位姿 = 距 A 块 16cm、面朝它 ±25° 的"刚到站"状态,目标为异色 B 块(6 个有序颜色对 × 8), 与 352 条常规数据合并后从 L2 18k ckpt 续训 22k 步(8.2x 缓存管线,82ms/step,3.4G, loss 收敛至 0.05,约 30 分钟)。采集备注:传送式起始位姿对专家更难(成功率 34%,按完成入档)。
| 评估 | 微调前 | 微调后 | 判定 |
|---|---|---|---|
| L2 导航(回归) | 17/20=85%(三跑 17/17/16) | 18/20=90% | ✅ 提升,新最佳 |
| L4 条件组合 | 17/20=85%(B 段 7/10) | 17/20=85%(B 段 7/10,通过集相同) | ✅ 持平 |
结论:
- 补丁带来正向增益且零回归——L2 导航新最佳 90%(18/20);更多样的导航数据对主任务有益。
- L4-B 残余 3 败(ep3/11/15,超时时距目标 27/17/36cm)与微调前同一批集——证实瓶颈是
弱侧大角转向吃掉时间预算 + 收尾逼近停滞的运动学层限制,非 OOD 状态;数据侧已到顶,
突破需步态层改造(见 #fast-gait)。
脚本
collect_seq_depart.py;微调产物runs/ft_seq(工作台)。