17. Preparar o dataset e os ativos do modelo
Copie para o Jetson o dataset convertido, o checkpoint ajustado e o backbone VLM, e valide que tudo que o exportador TensorRT precisa está presente.
17.1 Compatibilidade do dataset
17.1 Compatibilidade do dataset
O dataset convertido deve preservar as chaves de câmera, as dimensões de estado/ação, os rótulos de tarefa e os limites de episódio usados no fine-tuning.
Para o SO-ARM101 isso significa:
- chaves de câmera
wristefrontmapeadas nometa/modality.json, exatamente como criadas no capítulo 10; - seis dimensões de estado/ação:
single_arm0–5,gripper5–6; - a etiqueta de plataforma
NEW_EMBODIMENTregistrada porso101_config.py.
Não renomeie modalidades de câmera depois do treino.
17.2 Converter e copiar o dataset
17.2 Converter e copiar o dataset
Se ainda não converteu, rode o conversor na estação (o mesmo comando do capítulo 10):
cd ~/Isaac-GR00T
uv run --project scripts/lerobot_conversion \
python scripts/lerobot_conversion/convert_v3_to_v2.py \
--repo-id so101_vials_real \
--root $HOME/rebot-arm-dli-isaacsim/datasets
Copie o dataset convertido (com o meta/modality.json) para o caminho do
workspace no Jetson:
rsync -av \
~/rebot-arm-dli-isaacsim/datasets/so101_vials_real/ \
jetson:"${GR00T_DATASET_PATH}/"
Valide o layout que o GR00T espera:
${GR00T_DATASET_PATH}/
├── data/chunk-000/episode_000000.parquet
├── videos/chunk-000/observation.images.front/episode_000000.mp4
└── meta/
├── episodes.jsonl
├── info.json
├── modality.json
├── stats.json
└── tasks.jsonl
source "${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 Preparar o checkpoint ajustado
17.3 Preparar o checkpoint ajustado
Copie o diretório do checkpoint do capítulo 10 para
${GR00T_MODEL_PATH} e verifique:
test -f "${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
Arquivos de estado de treino como optimizer.pt, scheduler.pt e
trainer_state.json não são necessários para inferência nem para o export
TensorRT.
17.4 Preparar o backbone VLM
17.4 Preparar o backbone VLM
O GR00T 1.7 usa por padrão o 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"
O repositório validado também pode usar Qwen/Qwen3-VL-2B-Instruct via
GR00T_BACKBONE_PATH. O Qwen3-VL é uma alternativa validada para este
checkpoint e revisão do repositório, não o padrão oficial do GR00T 1.7.
17.5 Checklist de ativos
17.5 Checklist de ativos
- Episódios e vídeos no layout por episódio esperado;
- Chaves de câmera, etiqueta de plataforma e dimensões idênticas ao treino;
- Checkpoint com todos os shards e metadados do GR00T;
- Backbone VLM escolhido fixado e disponível localmente.
Próximo: Capítulo 18 — Rodar inferência TensorRT do GR00T N1.7.