15.1 3 つのキー設定：バッチサイズ・学習率・ステップ数
15.1 3 つのキー設定：バッチサイズ・学習率・ステップ数
バッチサイズ
1 回の更新でモデルが見るフレーム数。大きいほど訓練は安定しますが VRAM を食います。CUDA メモリ不足になったら、最初に下げるのはバッチサイズです。まず ACT のデフォルトのまま、必要なときだけ触りましょう。
学習率
1 回の更新でパラメータが動く距離。高すぎると Loss が振動・発散、低すぎると訓練が極端に遅くなります。ACT のデフォルト（1e-5 台）はテーブルトップタスクで十分検証済み。最初の実行では変更しないでください。
訓練ステップ数
更新の総回数。SO-ARM 規模のタスクでは ACT のデフォルト 10 万〜30 万ステップが目安。難しいタスクでは増やすと有利ですが過学習リスクがあります。判断は Loss 曲線で — 検証 Loss が改善しなくなったら停止します。
初回の戦略：すべてデフォルトのまま 10 万ステップ訓練し、実機で評価（第 16 章）してから何を調整するか決める。初心者の盲目調整で失う時間は、2 回訓練する時間に匹敵します。
15.2 チェックポイントの保存と管理
15.2 チェックポイントの保存と管理
手動保存は不要：save_freq ステップごとに自動保存され、最後に last が 1 つ追加されます。ステップ数を大きく設定しても大丈夫 — 小さいステップ数のモデルを選び、未熟・過学習なものを捨てられます。
outputs/train/act_so101_test/
├── train_config.json ← この実行の完全設定（再開に必要）
└── checkpoints/
├── 0020000/pretrained_model/ ← 各ステップ数でのモデルアーカイブ
├── 0040000/pretrained_model/
├── ...
└── last/pretrained_model/ ← 最後のチェックポイント。第 16 章で使用
- ディスク使用量：各チェックポイントは完全なモデル重みファイルで、数十個分はかさみます。訓練が安定したら早中期は削除し
lastだけ残して構いません； - 推論時の
--policy.pathはcheckpoints/last/pretrained_modelを指します。
15.3 訓練の開始
15.3 訓練の開始
すべての確認が済んだら（conda lerobot 環境で）開始します。ローカルデータセット（第 12 章で録画）では repo_id が採集時と一致していることを確認し、--policy.push_to_hub=false を付けます：
lerobot-train \
--dataset.repo_id=seeedstudio123/test \
--policy.type=act \
--output_dir=outputs/train/act_so101_test \
--job_name=act_so101_test \
--policy.device=cuda \
--wandb.enable=false \
--policy.push_to_hub=false \
--steps=300000
Hugging Face Hub 上のデータセットならユーザー名を使います：
lerobot-train \
--dataset.repo_id=${HF_USER}/so101_test \
--policy.type=act \
--output_dir=outputs/train/act_so101_test \
--job_name=act_so101_test \
--policy.device=cuda \
--wandb.enable=false \
--steps=300000
各引数の意味：
- データセット指定：
--dataset.repo_idは第 12 章のデータセットを指します； - 訓練ステップ数：
--steps=300000。アルゴリズムのデフォルトはより大きいので、タスク難度と Loss 曲線に合わせて調整します； - ポリシータイプ：
--policy.type=actは ACT 設定を読み込みます。ポリシーはあなたのロボットのモーター状態・モーターアクション・カメラ数に自動適応します — この情報はデータセットに保存済みです。他の選択肢はdiffusion、pi0、pi0fast、smolvla、groot； - デバイス選択：NVIDIA GPU なら
--policy.device=cuda。Apple Silicon はmpsが使えます； - 可視化ツール：
--wandb.enable=trueに戻すと Weights and Biases で訓練をグラフ化できます（先にwandb login）。
RTX 50 シリーズ GPU では --dataset.video_backend=pyav の追加が必須 — プレビュー版 torchvision に欠けている API を回避します。完全なコマンド：
lerobot-train \
--dataset.repo_id=seeedstudio123/test \
--dataset.video_backend=pyav \
--policy.type=act \
--output_dir=outputs/train/act_so101_test \
--policy.device=cuda \
--wandb.enable=false \
--policy.push_to_hub=false \
--steps=300000
15.4 Loss と GPU の監視
15.4 Loss と GPU の監視
- Loss：
log_freqステップごとに端末へ表示。早期の急低下と、その後の長く浅い低下が健全な形です。Loss が上昇・激しく振動する場合は、その環境に学習率が合っていないことが多いです； - GPU：
nvidia-smi（またはwatch -n 1 nvidia-smi）で VRAM と使用率を監視。使用率が長くほぼ 0% なら、ボトルネックは GPU ではなくデータパイプライン（ディスク / CPU）です； - 所要時間の目安：50 Episode の ACT 訓練は、ノート PC の RTX 3060 8GB で約 6 時間、RTX 4090 や A100 で約 2〜3 時間です。実時間はデータ量・解像度・バッチサイズ・ハードウェアに依存します。
15.5 中断した訓練の再開
15.5 中断した訓練の再開
last チェックポイントから再開するには、保存済み設定を渡します：
lerobot-train \
--config_path=outputs/train/act_so101_test/checkpoints/last/pretrained_model/train_config.json \
--resume=true
ポリシーのチェックポイントをアップロード（任意）
訓練完了後、最新チェックポイントをアップロード：
huggingface-cli upload ${HF_USER}/act_so101_test \
outputs/train/act_so101_test/checkpoints/last/pretrained_model
15.6 よくある訓練エラー
15.6 よくある訓練エラー
| エラー | 対処 |
|---|---|
TypeError: stack(): argument 'tensors' must be tuple of Tensors, not Column | pip install datasets==2.19 |
| CUDA メモリ不足 | バッチサイズを下げる。他の GPU プロセスを閉じる。--dataset.video_backend=pyav を使う |
データ読み込み時に No valid stream found in input file | conda install ffmpeg=7.1.1 -c conda-forge（第 5 章の修正） |
| データセットが見つからない | ローカルデータセットは録画時の repo_id を再確認。フォルダは ~/.cache/huggingface/lerobot/ の下にあります |
訓練済みの checkpoints/last/pretrained_model が手に入ったら、次章でポリシーを実機に載せます。