跳到正文
已核查原始资料

MicroDuck 本地训练入门:环境检查、短跑与云预览

使用固定源码版本建立 Python 3.12 环境,检查 CUDA 和任务注册,运行有边界的安装测试,再保存检查点并预览云任务,附可复制命令。

先固定源码,确认当前虚拟环境能看到 CUDA,再运行 64 个环境、5 次迭代的安装检查。这里的数字是本站选定的短检查配置,不是官方性能门槛;命令已核对源码,本站未实际运行 GPU 训练。

1. 新建独立环境

先安装 Git 和官方 uv。从一个不存在 microduck-rl-first-run 的父目录执行,避免覆盖已有工作。

可复制示例
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

版本固定在 2b25a48。Python 需为 3.12,不能随意换成 3.13;--locked 用于保留已记录的依赖。锁文件不一致时保留报错,不先删除锁文件。

2. 检查 Python、CUDA 与任务

可复制示例
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

应看到 Python 3.12.x、CUDA available: True 和至少一个 GPU。这仅确认设备可见。再检查任务列表包含 Mjlab-Velocity-Flat-MicroDuck。

可复制示例
uv run list-envs

3. 运行一次安装短检查

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

这会使用本地 GPU。通过条件是环境初始化成功、迭代日志推进且没有异常;5 次迭代不是“学会走路”的目标。若出现日志账号提示,按提示配置后重跑同一检查。失败时回到排错页。

4. 保存检查点与实验条件

保留输出的检查点真实路径、任务 ID、配置、随机种子、GPU 与依赖版本。训练生成的 .pt 文件需要正式导出,改扩展名不能变成 ONNX。继续阅读导出与回放。

5. 先预览云任务

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

此命令在已配置环境内生成本地源码归档并打印任务规格,不提交 GPU 任务。检查硬件、命名空间和归档文件,避免把本地凭据打包。1h 是示例时限,不是训练完成承诺。Mac 等环境仍可能在启动器导入阶段失败。

提交前核对 Hugging Face 计费说明。移除 --dry-run 才进入实际提交路径。Ctrl-C 只离开日志流,不会取消远程任务;应到任务页面取消并核对已停止状态。

继续之前先确认

短训练检查通过就代表完整训练能成功吗?

不代表。它只检查安装与小规模运行;显存、任务配置、训练时长和最终效果要分别评估。

适用范围: Pollen Robotics MicroDuck. 把模型、镜像、软件和驱动版本一起记录。各日期段落保留原有验证范围。

资料核查于:

来源与核查 (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

接下来读这些教程

MicroDuck 训练到部署教程:准备、训练、导出与验证

按准备、本地训练、导出、模拟回放和部署检查依次阅读。导出或上传成功,不能证明机器人能执行该策略。

MicroDuck 策略导出:检查点转 ONNX,再正确回放

用官方导出器保留观测归一化,核对 61 输入与 14 动作接口,再用当前命令布局回放并预览发布包;说明旧模型与硬件部署的边界。

MicroDuck 排障:升级配对、摄像头与策略

MicroDuck 0.20.1:先分清访问方式再恢复. Wi-Fi SSH 需要本地决定。先核对 daemon/API 和 Setup Code,不把连接被拒直接当成升级失败。