预训练权重与零训练体验

本章提供三类可直接加载的课程模型。学习者可以先运行推理和闭环评估，熟悉正确行为、输入输出和结果目录，再决定是否重新训练。

模型仓库

模型仓库包含推理权重、模型配置和训练配置。优化器状态、缓存和批量视频不属于零训练体验所需材料。

下载

bashexport MODEL_ROOT=${MODEL_ROOT:-$HOME/physical-ai/checkpoints}
mkdir -p "$MODEL_ROOT"

hf download Datawhale/every-embodied-smolvla-mujoco-pnp \
  weights/model.safetensors weights/config.json weights/train_config.json \
  --repo-type model --local-dir "$MODEL_ROOT/every-embodied-smolvla"

hf download Datawhale/every-embodied-pi0-mujoco-pnp \
  weights/model.safetensors weights/config.json weights/train_config.json \
  --repo-type model --local-dir "$MODEL_ROOT/every-embodied-pi0"

hf download Datawhale/every-embodied-act-mujoco-pnp \
  weights/model.safetensors weights/config.json \
  --repo-type model --local-dir "$MODEL_ROOT/every-embodied-act"

下载后确认文件可由 safetensors 打开：

bashexport POLICY_PATH="$MODEL_ROOT/every-embodied-smolvla/weights"
python - <<'PY'
from pathlib import Path
from safetensors import safe_open
import os

path = Path(os.environ["POLICY_PATH"]) / "model.safetensors"
with safe_open(path, framework="pt", device="cpu") as f:
    keys = list(f.keys())
print("tensor_count:", len(keys))
print("config_exists:", (path.parent / "config.json").is_file())
PY

四视角回放

打开 11_mujoco_closed_loop_deploy.ipynb，运行“零训练成功预览”单元格。该单元格播放：

textassets/pnp_four_view_strict_success.mp4

回放用于学习接近、夹取、抬升、搬运、释放和稳定放置的动作阶段。随后加载模型运行新的闭环回合，结果写入自己的 $RUN_ROOT。

加载与评估

以 SmolVLA 为例：

bashexport POLICY_TYPE=smolvla
export POLICY_PATH="$MODEL_ROOT/every-embodied-smolvla/weights"
export EVAL_SEEDS=1000,1001,1002,1003
export OUTPUT_ROOT="$RUN_ROOT/zero_train/smolvla"
python code/run_closed_loop.py

Pi0 和 ACT 分别将 POLICY_TYPE 改为 pi0 或 act，并把 POLICY_PATH 指向对应的 weights/ 目录。

运行完成后检查：

text$OUTPUT_ROOT/
├── results.jsonl
├── summary.json
└── videos/

模型加载、环境版本、随机种子和成功条件写入同一运行目录，便于与重新训练后的模型比较。

课程结果索引

表中数值对应课程保存的固定协议。学习者重新运行时，以新生成的逐回合文件和当前环境配置为准。

继续训练

继续训练时将下载目录作为 pretrained_path，并使用新的输出目录：

textbase model: $MODEL_ROOT/every-embodied-<model>/weights
run output: $RUN_ROOT/<model>/<run_name>

训练配置记录：

• 数据集版本、回合数和任务分布；
• 观测键、状态维度和动作维度；
• 控制频率、动作块长度和归一化方式；
• batch size、学习率、训练步数和保存间隔；
• GPU、ROCm 和框架版本；
• 评估任务、随机种子和物理成功条件。

存储建议

保留模型权重、配置、训练指标和正式评估结果。下载缓存可以重新生成，空间不足时优先清理缓存和重复的中间导出。大型文件不写入教程 Git 仓库。