MicroDuck 初回学習の手順｜環境確認から短い試行まで

まず環境を固定し、同じ Python から CUDA が見えるか確認します。64 環境・5 反復は当サイトが用意した短い導入確認の設定で、公式ベンチマークではありません。コマンドはソース確認済みですが、GPU 学習は当サイトで実行していません。

1. 別フォルダーに環境を作る

Git と uvを準備し、microduck-rl-first-run が存在しない親フォルダーから実行します。

コピーできる例

git clone https://github.com/pollen-robotics/microduck_rl.git microduck-rl-first-run
cd microduck-rl-first-run
git checkout --detach 2b25a48b08f1f17bc38c90bb03144c81fbd9ed07
uv python install 3.12
uv sync --locked --python 3.12

確認した版は 2b25a48、Python は 3.12 です。--locked で依存関係を固定し、不一致が出たらロックファイルを消す前にエラーを保存します。

2. 同じ環境で診断する

コピーできる例

uv run python - <<'PY'
import sys, torch
print('Python:', sys.version)
print('PyTorch:', torch.__version__)
print('CUDA build:', torch.version.cuda)
print('CUDA available:', torch.cuda.is_available())
print('GPU count:', torch.cuda.device_count())
PY

Python 3.12.x、CUDA available: True、GPU count が 1 以上かを見ます。次の出力に Mjlab-Velocity-Flat-MicroDuck があることも確認します。

コピーできる例

uv run list-envs

3. 導入を短い実行で確かめる

コピーできる例

uv run train Mjlab-Velocity-Flat-MicroDuck \
  --env.scene.num-envs 64 \
  --agent.max_iterations 5

実際にローカル GPU を使います。環境が初期化され、例外なく反復ログが進めば導入確認の目安になります。5 反復で歩行を習得することは期待しません。ログサービスの設定を求められたら対応し、同じ条件で再確認します。

4. 結果を再利用できる形で保存

チェックポイントの実在パス、タスク、設定、種、環境を残します。.pt の拡張子を変えるだけでは ONNX になりません。書き出しと再生へ進んでください。

5. クラウドは仕様の確認から

コピーできる例

uv run train Mjlab-Velocity-Flat-MicroDuck \
  --env.scene.num-envs 64 \
  --agent.max_iterations 5 \
  --hf-jobs --timeout 1h --dry-run

設定済み環境でローカルのソースアーカイブを作り、ジョブ仕様を表示します。--dry-run 付きでは GPU ジョブを送信しません。ハードウェア、名前空間、アーカイブ内のファイルを確認し、秘密情報を含めないでください。1h は時間上限の例です。

実行前に料金条件を確認します。Ctrl-C はログの追跡を止めるだけで、遠隔ジョブは停止しません。管理方法に従って取り消し、停止状態まで確認します。

出典と確認日

資料の確認日 2026年9月8日 · 原資料を確認

1. 別フォルダーに環境を作る

2. 同じ環境で診断する

3. 導入を短い実行で確かめる

4. 結果を再利用できる形で保存

5. クラウドは仕様の確認から

出典と確認日

役立つ記事を知るために