130 lines
6.3 KiB
Markdown
130 lines
6.3 KiB
Markdown
# 机器拓扑 & 环境 & 协作模型
|
||
|
||
> 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。
|
||
|
||
## ⭐ 协作模型（先读这个）
|
||
|
||
| 角色 | 机器 | 谁操作 |
|
||
|---|---|---|
|
||
| **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 |
|
||
|
||
**关键约束**：我的沙箱**无外网**，够不到你任何一台 GPU 机。工作流：
|
||
|
||
```
|
||
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
|
||
```
|
||
|
||
**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`。
|
||
|
||
---
|
||
|
||
## 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>/
|
||
```
|
||
|
||
## ① 本 Windows 机（`D:\robot\lerobot` · 我的写字台）
|
||
|
||
| 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 |
|
||
|
||
## ④ RPi 5（上机驱动板 · P3/P4 起）
|
||
|
||
| 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]` |
|
||
|
||
## 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。
|
||
|
||
---
|
||
|
||
## 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` |
|
||
|
||
## 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）
|