π0 と π0.5 は Physical Intelligence の Vision-Language-Action（VLA）ポリシーで、トレーニングのパイプラインは OpenPI に由来します。OpenPI リポジトリにおける openpi-0 と openpi-0.5 に相当し、公式表記は π₀ と π₀.₅、モデル識別子は pi0 と pi05、ベースチェックポイントは pi0_base と pi05_base です。プラットフォームではこの 2 つの識別子でモデルを登録しています。いずれも jax と lerobot の 2 つのトレーニングフレームワークに対応し、LeRobot v2 と v3 のデータセットを利用できます。
対象ロールと前提条件
対象ロール
| ロール | トレーニングタスクを作成可能か | 説明 |
|---|
| 管理者 | 可 | モジュール権限の制限を受けない |
| プロジェクトマネージャー | 権限が必要 | 管理者がモジュール権限で「トレーニングタスクを作成」を付与 |
| アノテーター | 権限が必要 | 同上 |
| レビュアー | 権限が必要 | 同上 |
| 収集者 | 権限が必要 | 同上 |
トレーニングタスクと指標の表示だけには「トレーニングを表示」が必要です。
前提条件
| 項目 | 要件 |
|---|
| データセットバージョン | LeRobot v2、v3。トレーニングサービスはデータセットの meta/info.json にある codebase_version でバージョンを識別し、トレーニングイメージを選択します |
| フレームワーク | jax（OpenPI パイプライン）、lerobot |
| GPU メモリ | シングル GPU で LoRA を有効にした場合は約 22.5GB 以上、フルファインチューニングでは約 70GB 以上 |
| 依存関係 | プラットフォームのモデルトレーニングサービスが有効で、トレーニング場所が 1 つ以上設定されていること。jax フレームワークは OpenPI のトレーニングイメージを、lerobot フレームワークはデータセットバージョンに応じた LeRobot トレーニングイメージを使用します |
| データセット構造 | ディレクトリ内に meta/info.json、data/、videos/ が含まれること |
| 権限 | 作成には「トレーニングタスクを作成」、表示には「トレーニングを表示」が必要 |
トレーニングタスクの作成とパラメータ
- 「モデル」→「トレーニング」に進み、「トレーニングタスクを作成」をクリックします。
- トレーニング場所を選択します。ローカル GPU または管理者が有効にしたクラウドトレーニング場所から選べます。
- 「選択されたモデル」で
pi0 または pi05 を選びます。
- 「トレーニングフレームワーク」で
jax または lerobot を選択します。フレームワークによって「トレーニングパラメータ」に表示されるパラメータが決まります。
- 「トレーニングデータセット」でデータソースを選択します。エクスポート履歴、アップロード済みの LeRobot データセット、ダウンロードリンク、HuggingFace から選べます。
- 「トレーニングパラメータ」でパラメータを設定します。意味と既定値は下表のとおりです。
- メモを入力します（任意）。
- 「トレーニングタスクを作成」をクリックします。
トレーニングパラメータ
jax フレームワークと lerobot フレームワークは 2 系統のパラメータを使います。jax フレームワークは OpenPI のトレーニングエントリを対象とします。
| パラメータ | 説明 | 既定値 | 取り得る値 |
|---|
| batch_size | グローバルバッチサイズ | 1 | 整数、1 以上 |
| steps | トレーニングステップ数 | 10000 | 整数、1 以上 |
| save_interval | チェックポイントの保存間隔 | 5000 | 整数、1 以上、かつ steps 以下 |
| learning_rate | コサイン減衰スケジュールのピーク学習率 | 2.5e-5 | 浮動小数点数、0 より大きい |
| fsdp_devices | FSDP デバイス数 | auto | auto または正の整数。可視 GPU 数以下で、その約数であること |
| ema_decay | EMA 減衰係数 | 無効 | 0 < x ≤ 1。LoRA 有効時は無視されます |
| action_horizon | 1 回に予測するアクション系列の長さ | 50 | 整数、1 以上 |
| prompt | データセットにタスクテキストがない場合の既定指示 | 空 | 文字列 |
lerobot フレームワークは先に共通のトレーニングパラメータを適用します。
| パラメータ | 説明 | 既定値 | 取り得る値 |
|---|
| batch_size | バッチサイズ | 1 | 整数、1 以上 |
| steps | トレーニングステップ数 | 10000 | 整数、1 以上 |
| seed | 乱数シード | 1000 | 整数 |
| num_workers | DataLoader のプロセス数 | 4 | 整数、1 以上 |
| eval_freq | 評価間隔 | 1000 | 整数、1 以上、かつ steps 以下 |
| log_freq | ログ間隔 | 100 | 整数、1 以上、かつ steps 以下 |
| save_freq | チェックポイントの保存間隔 | 5000 | 整数、1 以上、かつ steps 以下 |
| save_checkpoint | チェックポイントを保存するか | true | true / false |
さらに policy. プレフィックス付きのモデルパラメータを追加します。
| パラメータ | 説明 | 既定値 | 取り得る値 |
|---|
| policy.n_obs_steps | 入力観測ステップ数 | 1 | 整数 |
| policy.chunk_size | アクション予測長 | 50 | 整数 |
| policy.n_action_steps | 1 回の呼び出しで実行するアクションステップ数 | 50 | 整数 |
| policy.max_state_dim | 状態ベクトルのパディング次元 | 32 | 整数 |
| policy.max_action_dim | アクションベクトルのパディング次元 | 32 | 整数 |
| policy.num_inference_steps | 推論時のノイズ除去ステップ数 | 10 | 整数 |
| policy.dtype | モデルのデータ型 | bfloat16 | bfloat16、float32 |
| policy.tokenizer_max_length | トークナイザーの最大長 | pi0 は 48、pi05 は 200 | 整数 |
| policy.optimizer_lr | オプティマイザの学習率 | 2.5e-5 | 浮動小数点数 |
| policy.optimizer_weight_decay | 重み減衰 | 0.0 | 浮動小数点数 |
| policy.optimizer_grad_clip_norm | 勾配クリッピングのしきい値 | 1.0 | 浮動小数点数 |
| policy.scheduler_warmup_steps | 学習率のウォームアップステップ数 | 1000 | 整数 |
| policy.scheduler_decay_steps | 学習率の減衰ステップ数 | 10000 | 整数 |
| policy.scheduler_decay_lr | 減衰後の最終学習率 | 0.0 | 浮動小数点数 |
結果の確認
トレーニングの監視
トレーニング詳細ページはフレームワークごとにログを解析し、指標の曲線を描画します。jax フレームワークの指標の定義は次のとおりです。
| 指標 | 意味 | 判断基準 |
|---|
| step | 完了したトレーニングステップ数 | 設定した steps まで段階的に増加 |
| loss | トレーニング損失 | 全体として低下。長時間低下しない場合は学習率とデータを確認 |
| gradient_norm | 勾配ノルム | 持続的な増大がない |
| param_norm | パラメータノルム | トレーニングに伴い緩やかに変化 |
lerobot フレームワークの指標の定義は次のとおりです。
| 指標 | 意味 | 判断基準 |
|---|
| step | 完了したトレーニングステップ数 | 設定した steps まで段階的に増加 |
| sample | 処理済みサンプル数 | step に伴い増加 |
| episode | 処理済み episode 数 | step に伴い増加 |
| epoch | 学習済みエポック数 | step に伴い増加 |
| loss | トレーニング損失 | 全体として低下 |
| gradient_norm | 勾配ノルム | 持続的な増大がない |
| learning_rate | 現在の学習率 | スケジュールに従って変化 |
| update_time_s | 1 ステップの更新時間 | 安定しており、持続的な増大がない |
| data_time_s | データ読み込み時間 | 安定 |
確認チェックリスト
トレーニングサービスはコンテナの終了コードでタスクの最終状態を判定します。終了コードが 0 の場合は成功、0 以外の場合は失敗として記録されます。
| 確認項目 | 合格基準 |
|---|
| タスク状態 | トレーニング詳細ページのステータスが「成功」で、コンテナの終了コードが 0 |
| 出力ディレクトリ | jax フレームワークは出力ディレクトリ配下の docker_train/train/ に、lerobot フレームワークは checkpoints/ に書き込みます |
| チェックポイント | 「チェックポイント」にチェックポイントが一覧表示され、jax の内容には params/ が、lerobot の内容には pretrained_model/ が含まれます。last が指す項目のタイプは「最終」、それ以外は「ステップ」 |
| 指標の曲線 | 「トレーニング指標」が jax の step、loss、gradient_norm を描画し、lerobot はさらに sample、episode、epoch、learning_rate を含みます |
| ログ | 「リアルタイムログ」が読み取れ、持続的なエラーがない |
「チェックポイント」内のチェックポイントはダウンロード、オブジェクトストレージへの同期、または推論サービスの作成に使用できます。推論側の説明はモデル推論を参照してください。
エラー時の対処
| 現象 | 考えられる原因 | 対処 | 責任者 |
|---|
| トレーニングがすぐに失敗し、データセットが見つからないと表示される | データセットに meta/info.json がない、または選択したソースのパスが誤っている | 正しいエクスポート履歴またはアップロード済みデータセットを選び直す | プロジェクトマネージャー |
| GPU メモリ不足 | batch_size が大きすぎる、またはシングル GPU でフルファインチューニングを実行している | batch_size を下げる。シングル GPU では LoRA を有効のままにする | アルゴリズムエンジニア |
| FSDP デバイス数が不正と表示される | fsdp_devices が可視 GPU 数より大きい、または割り切れない | fsdp_devices を auto に変更するか、可視 GPU 数の約数に変更する | アルゴリズムエンジニア |
| 保存間隔がトレーニングステップ数より大きいと表示される | save_interval または save_freq が steps より大きい | 保存間隔を steps 以下に下げる | アルゴリズムエンジニア |
| シングル GPU とマルチ GPU の結果が大きく異なる | シングル GPU は既定で LoRA、マルチ GPU は既定で FSDP のため、学習するパラメータ数が異なる | フレームワーク、fsdp_devices、batch_size、乱数シードを固定して再比較する | アルゴリズムエンジニア |
| loss が長時間低下しない | 学習率が適切でない、タスクテキストがない、データの網羅性が不足している | prompt とデータセットを確認する。learning_rate を調整する | アルゴリズムエンジニア |
| トレーニング場所が利用できない | プラットフォームでそのトレーニング場所が有効でない、またはその GPU が利用できない | トレーニング場所を変更する。管理者に連絡してトレーニングサービスを確認する | 管理者 |
関連ページ