Transformer 多峰策略端到端训练与浏览器部署
机械臂避障策略 · 训练监控
示例:预训练进行中
示例:生成数据中
示例:挖错第 3 轮
示例:还没开始
连接中
平滑
0.85
对数轴
●
自动刷新
▶ 开始训练
■ 停止
流水线
GPU / CPU
数据阶段
ml/data
M5 头门禁
纯策略穿柱率 ≤ 2%
挖错循环
ml/runs/mine
部署形态评测
策略 + 安全层
验收汇总
方案 §9.2
终端输出
ml/runs/console.log
开始训练
后台执行
bash ml/pipeline.sh all
,从对拍一路跑到验收。已完成的步骤自动跳过;训练每 10 分钟存档、生成按条续写,断了再点一次就从断点接着跑。网页和控制台窗口都可以关,训练不受影响。
运行方式
续跑:跳过已完成的步骤
从指定阶段重训(该阶段及之后全部重做)
全部重跑(数据也重新生成)
起始阶段
预训练 train(保留数据、样本、门禁)
DAgger 纠偏 dagger
头门禁 m5
后训练 apg
挖错循环 mine
导出 export
部署评测 bench
验收 accept
生成数据 gen(重跑约 7 小时)
打包样本 prep
一致性门禁 gate1
推理延迟 r4
对拍 kin
动作头 CFG
MeanFlow(base,M5 不过自动转 WTA)
WTA(wta)
小模型 d=128(R4 不过时用)
共识过滤 CONSENSUS
按老师门禁自动
关
开(生成约慢 5 倍)
任务数 N_TASKS
生成进程数 NPROC
目标样本 TARGET_SAMPLES
挖错轮数 ROUNDS
老师间隙下限 MIN_GAP_MM
取消
▶ 开始