Notebook 工作流
本目录把每个模型拆成两条可以独立执行的 Notebook：
- 普通训练：从普通数据和基础模型开始训练，再运行闭环评估。
- 保护训练：复现我们用于得到保护结果的训练配方，再运行同一套闭环评估。
两种模式使用不同的输出目录，不会覆盖彼此的 checkpoint、日志、视频或评估结果。Notebook 内的训练循环是真实执行的 Python 单元格，长训会在当前单元格中显示一条每 100 步刷新的紧凑进度条；逐步指标写入 notebook_train_metrics.jsonl，每次训练的开始时间、结束时间、总耗时和 checkpoint 写入 training_run_summary.json，不会为每一步生成一行 Notebook 输出。
普通训练
| 模型 | Notebook | 主要内容 |
|---|---|---|
| SmolVLA | 14_smolvla_end_to_end.ipynb |
基础训练、checkpoint、闭环评估、视频 |
| Pi0 | 15_pi0_end_to_end.ipynb |
基础训练、checkpoint、闭环评估、视频 |
| ACT | 16_act_end_to_end.ipynb |
基础训练、checkpoint、闭环评估、视频 |
保护训练
| 模型 | Notebook | 主要内容 |
|---|---|---|
| SmolVLA | 14_smolvla_end_to_end.ipynb |
保护配方、保护 checkpoint、正式闭环评估、视频 |
| Pi0 | 15_pi0_end_to_end.ipynb |
clean/protected 配方、保护 checkpoint、正式闭环评估、视频 |
| ACT | 16_act_end_to_end.ipynb |
repair15 配方、保护 checkpoint、正式闭环评估、视频 |
执行建议
- 先按 设备与环境确认 检查 ROCm、PyTorch 和目录变量。
- 按 统一目录 设置
DATA_ROOT、MODEL_ROOT和RUN_ROOT。 - 首次学习先运行普通 Notebook 的环境检查和短训练单元格。
- 确认数据、模型和设备正常后，再执行长训练单元格。
- 训练完成后运行 Notebook 后面的固定协议评估单元格，查看本次训练的成功率、阶段统计、视频和动作轨迹。
- 复现保护结果时单独打开 protected Notebook，保留普通训练目录。
多台 AMD 设备使用同一套 Python、ROCm、PyTorch 和 LeRobot 版本。将实际版本写入每次运行的 environment.txt，并在更换设备后重新执行环境检查。
每个 Notebook 的结果保存到 $RUN_ROOT/notebooks/ordinary/<model> 或 $RUN_ROOT/notebooks/protected/<model>。评估单元格读取当前 Notebook 训练后生成的 TRAINED_POLICY_PATH。长训练耗时取决于模型、步数和 GPU；进度条只做阶段性刷新，详细指标以 JSONL 和 training_run_summary.json 为准。
固定 14 回合评估与可视化
每个模型的普通版和保护版都包含固定 14 回合闭环评估单元格。执行后会：
- 实际闭环运行 14 个固定 seed，并写出完整
result.jsonl； - 保留首个物理成功回合和首个物理失败回合的视频；
- 保存这两个回合的动作 trace；
- 在后续单元格内播放成功/失败视频，并绘制动作序列图；
- 以
physical_success=x/14汇总结果。
案例视频和序列图来自本次评估。评估使用 RENDER_EVAL 设置；无桌面环境时 Notebook 会尝试启动 Xvfb。