본문으로 이동
원문 확인

MicroDuck 첫 학습 실행 | CUDA 확인·짧은 시험·클라우드 미리보기

소스를 고정하고 Python 3.12 환경에서 CUDA와 태스크를 확인합니다. 64개 환경·5회 반복으로 설치를 점검한 뒤 체크포인트를 보관하고 클라우드 작업 사양을 미리 봅니다.

같은 프로젝트 환경에서 CUDA가 보이는지 먼저 확인한 뒤 짧은 설치 시험을 실행합니다. 64개 환경과 5회 반복은 이 사이트가 정한 점검 설정으로 공식 성능 기준이 아닙니다. 명령은 소스와 대조했지만 여기서 GPU 학습을 실행하지는 않았습니다.

1. 버전이 고정된 작업 폴더

Git과 공식 uv를 설치한 뒤 microduck-rl-first-run 폴더가 없는 상위 경로에서 실행합니다. 기존 작업을 덮어쓰지 않습니다.

복사 가능한 예제
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

확인한 커밋은 2b25a48이며 Python은 3.12입니다. --locked가 불일치를 보고하면 잠금 파일부터 지우지 말고 오류를 남깁니다.

2. 학습할 Python에서 진단

복사 가능한 예제
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, 1개 이상의 GPU가 보여야 합니다. 다음 목록에 Mjlab-Velocity-Flat-MicroDuck이 등록돼 있는지도 확인합니다.

복사 가능한 예제
uv run list-envs

3. 짧은 실행으로 설치 점검

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

실제 로컬 GPU를 사용합니다. 환경이 초기화되고 예외 없이 반복 로그가 진행되는지 봅니다. 5회만으로 잘 걷는 정책을 기대하지 않습니다. 로깅 서비스 설정을 요청하면 안내대로 준비한 뒤 같은 설정으로 다시 확인하세요.

4. 마지막 모델만 남기지 않기

체크포인트의 실제 경로, 태스크, 설정, 시드와 환경을 보관합니다. 길게 실행할 때는 중간 체크포인트도 같은 평가 조건으로 비교하세요. .pt 파일의 이름만 바꾸면 ONNX가 되는 것이 아니므로 내보내기가 필요합니다.

5. 클라우드 작업 사양 먼저 보기

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

준비된 환경에서 로컬 소스 압축본과 작업 사양을 만들며 GPU 작업을 제출하지 않습니다. 하드웨어, 네임스페이스와 포함 파일을 확인하고 인증키를 압축본에 넣지 마세요. 1h는 제한 시간의 예시이며 학습 완료 예상 시간이 아닙니다.

실제 제출 전 요금을 확인하세요. --dry-run을 제거하면 제출 경로로 진행합니다. Ctrl-C는 로그 연결만 끊으며 원격 작업은 계속될 수 있습니다. 작업 관리에서 취소하고 중지 상태를 확인해야 합니다.

계속하기 전에 확인

짧은 로컬 실행으로 전체 학습을 검증할 수 있나요?

아니요. 환경 점검일 뿐입니다. 전체 학습 시간, 메모리와 결과를 따로 기록해야 합니다.

적용 범위: Pollen Robotics MicroDuck. 모델, 이미지, 소프트웨어, 드라이버 버전을 함께 기록하세요. 날짜별 설명은 원래 검증 범위를 유지합니다.

출처 확인일:

출처와 검토 (9)
  1. github.com/pollen-robotics/microduck_rl/blob/2b25a48b08f1f17bc38c90bb03144c81fbd9ed07/README.md
  2. github.com/pollen-robotics/microduck_rl/blob/2b25a48b08f1f17bc38c90bb03144c81fbd9ed07/pyproject.toml
  3. docs.astral.sh/uv/guides/install-python/
  4. docs.astral.sh/uv/concepts/projects/sync/
  5. docs.pytorch.org/docs/stable/generated/torch.cuda.is_available.html
  6. github.com/pollen-robotics/microduck_rl/blob/2b25a48b08f1f17bc38c90bb03144c81fbd9ed07/scripts/hf/README.md
  7. github.com/pollen-robotics/microduck_rl/blob/2b25a48b08f1f17bc38c90bb03144c81fbd9ed07/src/mjlab_microduck/hf_jobs.py
  8. huggingface.co/docs/hub/jobs-pricing
  9. huggingface.co/docs/hub/jobs-manage

다음에 읽을 가이드

MicroDuck 학습부터 배포까지: 준비·학습·내보내기·검증

준비, 로컬 학습, 내보내기, 시뮬레이션 재생, 배포 점검 순으로 읽으세요. 내보내기나 업로드 성공은 실물 정책 실행의 증거가 아닙니다.

MicroDuck ONNX 변환·재생 | 정규화와 61 입력 확인

훈련 체크포인트를 공식 내보내기로 변환하고 관측 정규화를 유지합니다. 현재 입력 레이아웃으로 재생한 뒤 모델 패키지를 미리 검사하고, 이전 정책과 실물 배포의 차이를 확인하세요.

MicroDuck 문제 해결: 업데이트, 페어링, 정책

MicroDuck 0.20.1: 복구 전에 접속 경로 확인. Wi-Fi SSH는 기기에서 직접 결정합니다. daemon/API와 Setup Code를 확인하고 접속 거부와 업데이트 실패를 구분하세요.