Skip to main content
模块 4 · 第 17 章 · Deploy on Jetson

17. 准备数据集与模型资产

把转换后的数据集、微调后的 checkpoint 和 VLM backbone 复制到 Jetson， 并验证 TensorRT 导出所需的一切都在位。

兼容性数据集checkpointbackbone检查清单

17.1 数据集兼容性​

与训练严格一致

17.1 数据集兼容性

转换后的数据集必须保留微调时使用的相机键、状态/动作维度、任务标签与 episode 边界。

对 SO-ARM101 来说即：

  • meta/modality.json 里映射的 wrist 和 front 相机键，与 第 10 章创建的完全一致；
  • 六维状态/动作：single_arm 0–5、gripper 5–6；
  • so101_config.py 注册的本体标签 NEW_EMBODIMENT。

训练之后不要重命名相机模态。

17.2 转换并复制数据集​

v2.1 布局

17.2 转换并复制数据集

尚未转换的话，先在工作站上运行转换器（与第 10 章相同的命令）：

cd ~/Isaac-GR00T
uv run --project scripts/lerobot_conversion \
  python scripts/lerobot_conversion/convert_v3_to_v2.py \
  --repo-id so101_vials_real \
  --root $HOME/rebot-arm-dli-isaacsim/datasets

把转换后的数据集（连同 meta/modality.json）复制进 Jetson 工作区路径：

rsync -av \
  ~/rebot-arm-dli-isaacsim/datasets/so101_vials_real/ \
  jetson:"${GR00T_DATASET_PATH}/"

校验 GR00T 需要的布局：

${GR00T_DATASET_PATH}/
├── data/chunk-000/episode_000000.parquet
├── videos/chunk-000/observation.images.front/episode_000000.mp4
└── meta/
    ├── episodes.jsonl
    ├── info.json
    ├── modality.json
    ├── stats.json
    └── tasks.jsonl
source "${HOME}/.config/gr00t-inference/paths.sh"
test -f "${GR00T_DATASET_PATH}/meta/info.json"
test -f "${GR00T_DATASET_PATH}/meta/modality.json"
test -f "${GR00T_DATASET_PATH}/meta/stats.json"
test -f "${GR00T_DATASET_PATH}/meta/tasks.jsonl"
find "${GR00T_DATASET_PATH}/data" -name 'episode_*.parquet' | head

17.3 准备微调后的 checkpoint​

只要权重

17.3 准备微调后的 checkpoint

把第 10 章的 checkpoint 目录复制到 ${GR00T_MODEL_PATH}，然后验证：

test -f "${GR00T_MODEL_PATH}/config.json"
test -f "${GR00T_MODEL_PATH}/processor_config.json"
test -f "${GR00T_MODEL_PATH}/statistics.json"
test -f "${GR00T_MODEL_PATH}/model.safetensors.index.json"
ls "${GR00T_MODEL_PATH}"/model-*-of-*.safetensors

optimizer.pt、scheduler.pt、trainer_state.json 等训练态文件在推理与 TensorRT 导出中都不需要。

17.4 准备 VLM backbone​

Cosmos-Reason2-2B

17.4 准备 VLM backbone

GR00T 1.7 默认使用 nvidia/Cosmos-Reason2-2B：

hf download nvidia/Cosmos-Reason2-2B \
  --local-dir "${GR00T_BACKBONE_PATH}"

test -f "${GR00T_BACKBONE_PATH}/config.json"
test -f "${GR00T_BACKBONE_PATH}/model.safetensors" || \
  test -f "${GR00T_BACKBONE_PATH}/model.safetensors.index.json"

经验证的仓库也可以通过 GR00T_BACKBONE_PATH 使用 Qwen/Qwen3-VL-2B-Instruct。Qwen3-VL 是该 checkpoint 与仓库修订下经过验证 的替代方案，并非 GR00T 1.7 官方默认。

17.5 资产就绪检查​

进入第 18 章之前

17.5 资产就绪检查

  • 数据集 episode 与视频符合按 episode 的布局；
  • 相机键、本体标签、状态与动作维度与训练一致；
  • checkpoint 含全部分片与 GR00T 元数据；
  • 选定的 VLM backbone 已固定并存在于本地。

下一章：第 18 章 —— 运行 GR00T N1.7 TensorRT 推理。

Loading Comments...