Refine robot milestones and make GPU setup reproducible

env/machines.md

@@ -1,131 +1,62 @@
-# 机器拓扑 & 环境 & 协作模型
+# GPU 环境与机器记录
 
-> 本文件记录各机器角色、连接方式、软件环境，以及**我和你的协作方式**。**每次改动后更新。**
-> `[待补]` = 需要你在对应机器上跑命令后回填。
+基线：LeRobot 0.6.1 / Python 3.12。脚本适用 Ubuntu x86_64 GPU 主机；不用于 Windows 或 RPi。当前 GPU 环境与模型训练均未验收。
 
-## ⭐ 协作模型（先读这个）
+## 分工与路径
 
-| 角色 | 机器 | 谁操作 |
+| 机器 | 用途 | 环境记录 |
 |---|---|---|
-| **主家（开发+臂+推理）** | **② 3080 机（10GB · 本地 Ubuntu · 机器人旁）** | **你**（本地终端） |
-| **训练专用** | **③ 3090 机（24GB · 远程 SSH）** | **你**（SSH） |
-| 写字台（写代码/规划/文档） | ① 本 Windows 机 `D:\robot\lerobot` | **我（agent）** |
-| 富余算力（非关键路径） | ⑤ AWU408 双 Orin | 暂不用 |
-| 上机驱动板（P3/P4 起） | ④ RPi 5 | P3/P4 前你配 |
+| Windows | 编辑、静态检查、git 同步 | 本仓库 `D:\robot\lerobot` |
+| 3080 10GB | USB 遥操、采集、推理，首次解析依赖 | OS/驱动/Python/uv/锁 SHA256：待填 |
+| 3090 24GB | 训练，同局域网 | OS/驱动/Python/uv/锁 SHA256：待填 |
+| RPi 5 | P3 起硬件驱动、采图、执行和故障处理 | ARM64 环境另行验证，不复用 x86_64 锁 |
+| DRIVE Orin | 可选实验 | 不阻塞主线 |
 
-**关键约束**：我的沙箱**无外网**，够不到你任何一台 GPU 机。工作流：
+GPU 机统一路径：项目 `~/robot/proj`；专用环境 `~/robot/.venv-lerobot-0.6.1`；数据 `~/robot/data`；模型 `~/robot/models`；训练输出 `~/robot/outputs`；安装报告 `~/robot/reports`。脚本支持 `ROBOT_WORKDIR`，改动后相应调整命令。
 
-```
-我(①写字台)写代码/配置 ──你 push──▶ git 库 ──clone/pull──▶ ② 3080 & ③ 3090
-你在 ②/③ 执行（本地终端 / SSH）──粘回完整输出──▶ 我诊断/迭代
-```
+## 首次安装与依赖锁
 
-**git 仓库**：`https://git.hyonglin.top/ylhan/lerobot_learn.git`（身份 ylhan <ylhan@hyonglin.com>；**匿名可读** → GPU 机 clone 免密，push 才需认证）
+前置：安装 NVIDIA 驱动、git、uv、FFmpeg。脚本用 uv 创建 Python 3.12 环境（必要时 uv 下载 Python），不自动 sudo 安装系统组件。缺少前置即退出。
 
-**约定**：
-1. 我给**自包含、复制即跑**的脚本/命令块（尽量一次给全）。
-2. **代码/配置**走 git 库（你 push，两机 pull）；**数据集/模型**走 HF Hub（hf-mirror）或局域网 rsync（两机互通，大文件直传更快）。
-3. 两台 GPU 机目录统一 `~/robot/`：本仓库 + lerobot clone + `.venv`。
+先在 3080：
 
----
-
-## 拓扑总览
-
-```
-┌──────────────────────┐  push   ┌───────┐ clone/pull ┌─────────────────────────┐
-│ ① Windows 写字台       │ ──────▶ │ git 库 │ ──────────▶ │ ② 3080 主家 (10GB)        │
-│   D:\robot\lerobot    │         └───────┘   ⟨同一库⟩  │   本地 Ubuntu · 机器人旁   │
-│   我写代码/文档/规划     │                    ┌────────┴─────────────────────────┐
-└──────────────────────┘                    │ ③ 3090 训练 (24GB) · 远程 SSH      │
-                                            └───────────────────────────────────┘
-     ② ↔ ③ 同一局域网：rsync 直传数据集/模型；π0 推理紧张时 3090 可代推
-
-② 3080 主家（推理芯，挨着机器人 = 低延迟）:
-   开发 · 臂 USB 直连 · 遥操 · 采数 · 推理部署 · P4 policy server
-③ 3090 训练（训练芯）:
-   只跑 lerobot-train：ACT / SmolVLA 全量 / π0-FAST LoRA
-数据流: 采数@② → HF Hub(或 rsync) → 训练@③ → 模型 → 推理@②
-```
-
-**为什么这样拆**：训练吃显存（参数+梯度+优化器+激活 ≈ 推理的 4~8 倍），推理不吃。
-- 3090 24GB：SmolVLA 全量微调 / π0-FAST LoRA —— 只有它干得动。
-- 3080 10GB：ACT(<1GB) / SmolVLA fp16(~2GB) 推理绰绰有余；遥操/采数几乎不占 GPU。
-
----
-
-## ② 3080 机（主家 · 10GB · 本地 Ubuntu · 机器人旁）
-
-| 项 | 值 |
-|---|---|
-| 位置 | **机器人/工作台旁**（SO-101 臂 USB 直插它） |
-| 主机名 / IP | `[待补]` |
-| Ubuntu 版本 | `[待补]`（建议 22.04） |
-| GPU | **3080（10GB）** —— 开发 + 推理 |
-| 驱动 / CUDA | `[待补]`（setup 脚本会打印） |
-| Python | **3.12**（venv，脚本自建） |
-| LeRobot | `[待补]`（预期 0.6.x） |
-| HF 账号 | `huggingface-cli login`（HF_ENDPOINT=hf-mirror） |
-| 目录 | `~/robot/`（本仓库 + lerobot + .venv） |
-
-**跑什么**：日常开发、`lerobot-teleoperate` / `lerobot-record`（臂插这）、`lerobot-eval|rollout`（推理部署）、P4 的 policy server。
-**显存预算**：ACT <1GB ✅ / SmolVLA fp16 ~2GB ✅ / π0-FAST ~7GB ⚠️（fallback 见文末）。
-
-## ③ 3090 机（训练专用 · 24GB · 远程 SSH）
-
-| 项 | 值 |
-|---|---|
-| 访问 | **SSH**（远程，与 ② 同局域网互通） |
-| 主机名 / IP | `[待补]` |
-| Ubuntu 版本 | `[待补]` |
-| GPU | **3090（24GB）** —— 只管训练 |
-| Python / LeRobot | 与 ② 同一 setup 脚本 |
-| 目录 | `~/robot/`（同一 git 库） |
-
-**跑什么**：只跑 `lerobot-train`（拉数据集 → 训 → 推模型回 Hub）。
-**兜底角色**：π0-FAST 推理在 ② 放不下时**代推**（同局域网+异步分块，多一跳延迟可接受）；② 忙时也可顶 ACT / SmolVLA-LoRA 训练。
-
-### 两机传大文件（同局域网，比 HF Hub 快）
 ```bash
-# ② → ③ 推数据集
-rsync -avzP ~/robot/data/  <user>@<3090-ip>:~/robot/data/
-# ③ → ② 拉训练好的模型
-rsync -avzP <user>@<3090-ip>:~/robot/outputs/train/<exp>/  ~/robot/models/<exp>/
+mkdir -p ~/robot
+git clone https://git.hyonglin.top/ylhan/lerobot_learn.git ~/robot/proj
+bash ~/robot/proj/env/setup_lerobot.sh --resolve
 ```
 
-## ① 本 Windows 机（`D:\robot\lerobot` · 我的写字台）
+产生 `env/requirements-linux-py312.lock` 和 `env/requirements-linux-py312.lock.input.sha256`。第一次解析尚不是经过验证的完整环境锁：先完成脚本检查，再做短视频编码/解码、小样本训练、保存和重新加载模型。
 
-| 项 | 值 |
-|---|---|
-| 角色 | 写代码 / 规划 / 文档；**不跑 LeRobot** |
-| Python | 3.14（LR 要 3.12；本机只编辑） |
-| git | 2.51.0 ✅ |
-| 外网 | ❌ 沙箱无外网 |
-| 同步 | **你从本机 push 到 git 库** → ② ③ pull |
+将这两个文件一起传到 3090 同一项目的 `env/` 目录，再运行：
 
-## ④ RPi 5（上机驱动板 · P3/P4 起）
+```bash
+bash ~/robot/proj/env/setup_lerobot.sh
+source ~/robot/.venv-lerobot-0.6.1/bin/activate
+```
 
-| 项 | 值 |
-|---|---|
-| OS | Raspberry Pi OS 64-bit |
-| 连接 | USB（有源 Hub）：2 臂 + 3 轮 + 3 相机；**以太网 → ② 3080**（policy server 在它上面） |
-| 软件 | LeRobot `.[feetech,lekiwi,dataset]` + thin client（推图/收 chunk/执行/fail-safe） |
-| 静态 IP | `[待补]` |
+默认安装严格使用锁与包哈希，不重新解析。两台比较报告中的锁 SHA256；验收通过后把锁、输入指纹与精简环境信息提交 git。**当前仓库尚未包含经过 Ubuntu/GPU 验证的传递依赖锁，默认安装会明确拒绝继续。**
 
-## ⑤ AWU408（富余算力，非关键路径）
-- 双 DRIVE Orin（508 TOPS）+ Aurix TC397。默认不用。
-- 用途：3090 忙训练时顶推理 / 固定台。
-- **待验证**：能否刷 Ubuntu+CUDA+PyTorch（常出厂 QNX/DRIVE OS）；跑不通就不管它。
+两台尽量统一 Ubuntu 版本，记录 Python 补丁版本、uv 版本与 NVIDIA 驱动；同一 Python 包锁不能锁定系统库或驱动。脚本 `uv pip sync` 仅作用于新命名的项目专用环境，会使其中包与锁一致，请勿把它用于其他项目。
 
----
+更新依赖时修改 `requirements.in`，人工归档旧锁及指纹后重新解析、两机复验；脚本拒绝覆盖已有锁，也不会自动更新 LeRobot。大模型、双臂移动所需新 extras 在对应阶段再加入输入并复验。
 
-## 国内网络 / 镜像（两台 GPU 机通用，setup 脚本自动处理）
-| 用途 | 直连不可达时的镜像 |
-|---|---|
-| pip | `https://pypi.tuna.tsinghua.edu.cn/simple`（或 Aliyun） |
-| HF dataset/weights | `HF_ENDPOINT=https://hf-mirror.com` |
-| git clone lerobot | `https://ghproxy.com/https://github.com/huggingface/lerobot.git` |
+## 网络与数据
 
-## π0-FAST 推理在 3080(10GB) 放不下时的 fallback（P5 才需要）
-1. **4-bit 量化**（权重 6.6GB → ~2GB，立刻宽裕）
-2. **batch=1 + bf16 硬试**（~8-9GB，可能刚好）
-3. **3090 代推**：policy server 起在 ③，② 只做遥操/采数（同局域网，异步分块下延迟可接受）
+默认使用官方索引。若需要镜像，可在安装前显式设置 `UV_DEFAULT_INDEX=https://pypi.tuna.tsinghua.edu.cn/simple`；uv 自身的 Python 下载不由该变量代理。下载失败应按报告排查，不自动切换不明 Git 代理。
+
+同局域网优先 rsync。HF Hub 可选；登录使用 `hf auth login`，认证上传使用官方端点，勿把下载镜像当作上传服务。Token 保存在机器凭据环境中，不进入 git、报告或聊天。
+
+```bash
+# 将占位符替换成自己的 SSH 目标；先停止录制，传完整且不再写入的数据目录。
+rsync -avP ~/robot/data/ USER@TRAIN_HOST:~/robot/data/
+rsync -avP USER@TRAIN_HOST:~/robot/outputs/ ~/robot/outputs/
+```
+
+每个实验保留数据版本/校验值、模型与处理器、配置、校准备份和评测记录。模型快照记录来源 revision，不自动随 Hub main 更新。同步代码使用 git；当前未配置 GPU 主机远程访问，因此 GPU 执行结果需从目标机器回传。
+
+## 验收报告
+
+脚本失败即非零退出，不把 MISS 当通过；输出完整日志、包列表、Python/FFmpeg 版本、CLI 帮助与锁哈希。脚本验证 CUDA 矩阵运算、实际策略模块和视频库导入，不连接电机，也不下载模型权重。
+
+后续必须记录：录制/解码结果、训练步耗时、训练和推理峰值显存、单次推理 P50/P95/P99，以及 20 次真机评测。不要将包可导入或显存参考值当作任务能力证据。