准备数据

数据集与格式 + 数据引擎（采集 → 转换 → 特征映射 → 归一化）的完整链路。

数据格式：LeRobot v3.0

LingBot-VLA 后训练使用 LeRobot v3.0 数据格式。若已有 v2.1 数据，可用官方脚本升级：

# LeRobot v2.1 → v3.0
# 见 https://github.com/huggingface/lerobot/blob/v0.4.2/src/lerobot/datasets/v30/convert_dataset_v21_to_v30.py

预训练数据规模

LingBot-VLA 预训练使用 20,000 小时真机交互数据，覆盖 9 种主流双臂机器人配置。

GM-100 基准数据集

官方公开的真机评测数据集，覆盖 3 个机器人平台（Agibot G1 / AgileX / Galaxea R1Pro）。

• HuggingFace：https://huggingface.co/datasets/robbyant/gm100

流水线概览

真机/仿真采集 ──→ LeRobot v3.0 转换 ──→ Robot Config 特征映射 ──→ 归一化统计 ──→ 可训练数据

后训练数据三步准备

步骤	说明	产物
1. 准备 LeRobot 数据集	将示范数据转为 LeRobot v3.0 格式	LeRobot 数据集目录
2. 准备 Robot Config	定义原始 key → 统一特征空间（states / actions / images）的映射	configs/robot_configs/<data_name>.yaml
3. 计算归一化统计量	在数据集上计算归一化统计	assets/norm_stats/<name>.json

Robot Config 特征映射

configs/robot_configs/<data_name>.yaml（文件名须等于训练配置里的 data.data_name）把本体原始数据键映射到统一特征空间，含 states / actions / images 三段。每个条目用 origin_keys + start/end 切片，多个切片按序拼接。

以 robotwin.yaml（双臂，12 维臂 + 2 维夹爪）为例：

states:
  - observation.state.arm.position:
      origin_keys:
        - observation.state: { start: 0, end: 6 }    # 左臂关节 [0:6)
        - observation.state: { start: 7, end: 13 }   # 右臂关节 [7:13)
  - observation.state.effector.position:
      origin_keys:
        - observation.state: { start: 6, end: 7 }    # 左夹爪
        - observation.state: { start: 13, end: 14 }  # 右夹爪

actions:
  - action.arm.position:
      origin_keys:
        - action: { start: 0, end: 6 }
        - action: { start: 7, end: 13 }
      subtract_state: False      # True=学习增量动作（真机臂推荐 True，夹爪 False）
  - action.effector.position:
      origin_keys:
        - action: { start: 6, end: 7 }
        - action: { start: 13, end: 14 }
      subtract_state: False

images:
  - observation.images.camera_top:
      origin_keys: observation.images.cam_high       # 原始键不同→需 origin_keys
  - observation.images.camera_wrist_left:
      origin_keys: observation.images.cam_left_wrist
  - observation.images.camera_wrist_right:
      origin_keys: observation.images.cam_right_wrist

一致性要求：states/actions 用的 <joint_type> 必须在训练配置 data.joints 中声明；images 的相机名必须在 data.cameras 中列出；否则运行时 ValueError。data.joints 的维度须 ≥ 拼接切片总长（如 arm.position 12 → 配 14 留 padding 余量）。新增 EEF 维度时推荐学绝对动作（subtract_state: False，暂不支持相对旋转）。

训练配置侧对应声明（RoboTwin 2.0）：

data:
  data_name: robotwin
  joints:
    - arm.position: 14
    - effector.position: 2
  cameras:
    - camera_top
    - camera_wrist_left
    - camera_wrist_right
  norm_type: bounds_99
  norm_stats_file: assets/norm_stats/robotwin_50.json

归一化统计

CUDA_VISIBLE_DEVICES=0 bash train.sh scripts/compute_norm.py ./configs/vla/real_load20000h.yaml \
    --data.data_name robotwin \
    --data.train_path path_to_lerobotv3 \
    --data.norm_stats_file norm_path.json

• 产物 norm_path.json；data_name 与 norm_stats_file 须与训练配置一致。
• 真机推荐 meanstd；RoboTwin 推荐 bounds_99。

类型	适用
meanstd	真机数据推荐
bounds_99	RoboTwin 仿真数据推荐
minmax / identity	备选

RoboTwin 2.0 原始数据 → LeRobot 完整转换流程

1. Clone 官方 RoboTwin：git clone git@github.com:RoboTwin-Platform/RoboTwin.git
2. 建目录：cd policy/pi0 && mkdir processed_data training_data
3. 原始数据转 HDF5：下载 RoboTwin2.0 数据集解压到 data/，再

   bash process_data_pi0.sh ${task_name} ${task_config} ${expert_data_num}
   # clean:      bash process_data_pi0.sh adjust_bottle aloha-agilex_clean_50 50
   # randomized: bash process_data_pi0.sh adjust_bottle aloha-agilex_randomized_500 50

4. 准备训练数据：cp -r processed_data/${task}-${config}-${num} training_data/${model_name}/
5. 确保磁盘空间：LeRobot 数据集存于 $XDG_CACHE_HOME/huggingface/lerobot/${repo_id}（默认 ~/.cache，空间不足时 export XDG_CACHE_HOME=/path/to/cache）。
6. 生成 LeRobot v2.1：bash generate.sh ${hdf5_path} ${repo_id}
7. 合并多任务（可选）：在 v2.1 阶段合并更高效，且必须同一本体（如 5 个任务同属 aloha-agilex）：

   python scripts/merge_lerobot_v21.py --sources path1,path2,... --output path_to_merged_data

8. 转 LeRobot v3.0：用官方 convert_dataset_v21_to_v30.py。

RoboTwin 2.0 数据示例（5 任务）

任务：open_microwave、click_bell、stack_blocks_three、place_shoe、put_object_cabinet。预计算统计量见 assets/norm_stats/robotwin_50.json。

完成数据准备后，前往后训练配置并启动训练。