未開始Chapter 745 分
ACT モデルの学習
ACT Model Training
ACT (Action Chunking Transformer) モデルを構成し、学習を実行します。
未開始
完了すると学習パスとホームの統計に反映されます
0%
学習目標
- ACT モデルのアーキテクチャと利点を理解する
- 学習ハイパーパラメータを設定する
- 学習を完了させ進捗を監視する
原理解説
- 1ACT は Transformer を用いて行動シーケンスを予測します
- 2Action Chunking は時系列の一貫性を高めます
- 3CVAE 構造はポリシーの多様性を強化します
手順
1
設定の確認
学習設定ファイルのパラメータが正しいか確認します。
2
学習の開始
学習スクリプトを起動して loss の推移を監視します。
3
モデルの保存
デプロイに向けてベストなチェックポイントを保存します。
コマンド
ACT 学習を起動
bash
python lerobot/scripts/train.py policy=act env=so100 dataset_repo_id=your-name/so100-taskwandb で監視
bash
wandb login && python lerobot/scripts/train.py policy=act env=so100 wandb.enable=true学習を再開
bash
python lerobot/scripts/train.py policy=act resume=trueチェックポイント
- 学習を起動してもエラーが出ない
- Loss が継続的に下がっている
- チェックポイントが正常に保存されている
よくあるエラー
CUDA out of memory
- 原因：
- 現在の batch_size に対し GPU VRAM が不足しています。
- 対処：
- batch_size を縮小するか勾配累積を有効にします。
bash
python lerobot/scripts/train.py policy=act training.batch_size=8