openpi 快速上手机器人 VLA 模型从克隆到出动作的 5 分钟指南【免费下载链接】openpi项目地址: https://gitcode.com/GitHub_Trending/op/openpiopenpi 出自 Physical Intelligence一家专注机器人基础模型的公司。仓库里装着三条预训练好的 VLA 模型线VLA vision-language-action让模型同时看图、读指令、输出动作配上微调脚本和策略服务器跳过从零训练直接往机械臂上装。一张表看懂 openpi 里有什么这节花 30 秒搞清楚手里有什么牌。组件定位π₀流式扩散 VLA 基础模型拿来自定义微调π₀-FAST自回归 VLA把动作编码成 token 再预测π₀.₅π₀ 的升级款开放场景泛化更好专家检查点DROID 桌面操作、ALOHA 折毛巾、LIBERO 等微调成品下载即用三条基础线都吃了上万小时机器人数据预训练所以微调起点很高。硬件门槛看用途推理 8GB 显存起步一张 RTX 4090 就够LoRA 微调要 22.5GB 以上全参微调上 70GB 级别的卡。官方只在 Ubuntu 22.04 上验证过其他系统别硬试。最短安装路径两行命令进环境这节只给能跑通的最短序列细节不展开。先装好 uv一个更快的 Python 包管理工具然后克隆仓库、装依赖照抄这四行git clone --recurse-submodules https://gitcode.com/GitHub_Trending/op/openpi cd openpi GIT_LFS_SKIP_SMUDGE1 uv sync GIT_LFS_SKIP_SMUDGE1 uv pip install -e .注意GIT_LFS_SKIP_SMUDGE1别删LeRobot 数据集库走 LFS 拉取缺了它依赖会装不上。本机折腾不动就直接换 DockerDocker 安装文档 里有完整流程。不接机器人也能出动作 这节解决一个问题手边没有机械臂怎么确认环境没装坏。把这段塞进任意 Python 脚本直接跑example的观测键值照examples/inference.ipynb抄权重会自动下载并缓存from openpi.training import config from openpi.policies import policy_config from openpi.shared import download cfg config.get_config(pi05_droid) ckpt download.maybe_download(gs://openpi-assets/checkpoints/pi05_droid) policy policy_config.create_trained_policy(cfg, ckpt) actions policy.infer(example)[actions]缓存默认落在~/.cache/openpi想换盘就设OPENPI_DATA_HOME。仓库还备了个 simple_client 示例喂随机观测给模型专门用来验链路。真机部署时把模型扔上服务器、动作走 WebSocket 推回机器人远程推理文档 有最小示例。换成自己的数据微调三步走想让模型学你自己的任务按这个顺序推进数据转成 LeRobot 数据集——LIBERO 微调示例 里的转换脚本改改就能复用算归一化统计再开训起策略服务器等着收观测uv run scripts/compute_norm_stats.py --config-name pi05_libero XLA_PYTHON_CLIENT_MEM_FRACTION0.9 uv run scripts/train.py pi05_libero uv run scripts/serve_policy.py policy:checkpoint --policy.configpi05_libero --policy.dircheckpoints/pi05_libero/实验名/20000检查点会落在checkpoints目录第三行里的20000是步数按自己存下的迭代数改。显存吃紧就把那个 XLA 环境变量调高或给训练配置加 FSDP 让多卡分摊。跑通之后进阶方向基础链路通了挑一条线深入就行PyTorch 版已和 JAX 版并存π₀ 与 π₀.₅ 都能用转换脚本把检查点转成 PyTorch推理 API 完全一样examples目录覆盖 ALOHA 真机、ALOHA 仿真、DROID、UR5、LIBERO每个平台带独立 READMEDROID 全量训练附了改进版 idle 过滤examples/droid的 README_train 里有说明下一步把训练命令里的pi05_libero换成你自己数据集的配置名跑通第一条属于你自己的检查点。【免费下载链接】openpi项目地址: https://gitcode.com/GitHub_Trending/op/openpi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
