Spirit-v1.5 は Spirit AI の Vision-Language-Action（VLA）ポリシーです。プラットフォームではモデル識別子 spirit-v1.5 で登録し、spirit トレーニングフレームワークを使用して、robochallenge、LeRobot v2、v3 のデータセットに対応します。
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 | robochallenge、LeRobot v2、v3。RoboChallenge レイアウトはそのままトレーニングでき、LeRobot データはトレーニング前に RoboChallenge レイアウトへ変換されます |
| フレームワーク | spirit |
| GPU メモリ | 固定の下限はありません。マルチ GPU でのトレーニングを推奨します。既定の batch_size は GPU あたり 1 です |
| 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。トレーニングイメージには Spirit-v1.5 の基盤重みが組み込まれています |
| 状態フィールド | observation.state は少なくとも 8 次元です。先頭 7 次元がエンドエフェクタ姿勢で、8 次元目がグリッパ幅です |
| 動画フィールド | 3 系統の RGB 動画を用意し、main_realsense_rgb、handeye_realsense_rgb、side_realsense_rgb にマッピングする必要があります |
| 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 |
関節角の状態を持つデータは Spirit-v1.5 のトレーニングにそのまま使用できません。先に状態空間の適合を完了する必要があります。
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
spirit-v1.5 を選びます。
- 「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。LeRobot データを使用し、カメラフィールドを自動で照合できない場合は
camera_map を入力します。
- 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
| パラメータ | 説明 | 既定値 | 取り得る値 |
|---|
| batch_size | GPU あたりのバッチサイズ | 1 | 整数、1 以上 |
| steps | 最大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 | 2500 | 整数、0 より大きい場合に適用 |
| log_freq | ログ間隔 | 25 | 整数、1 以上 |
| num_workers | DataLoader のプロセス数 | 2 | 整数、0 以上 |
| prefetch_factor | DataLoader のプリフェッチ係数 | 2 | 整数、1 以上 |
| num_gpus | torchrun のプロセス数 | 可視 GPU 数。それ以外は 1 | 正の整数 |
| wandb_mode | 指標の報告モード | disabled | disabled、offline、online |
| pretrained_path | 基盤重みのディレクトリ | イメージに組み込まれた基盤重み | model.safetensors と config.json を含むディレクトリ |
| task_name | LeRobot 変換時のタスク名 | move_objects_into_box | 文字列 |
| task_prompt | LeRobot 変換時の言語プロンプト | データセットのタスクテキスト | 文字列 |
| camera_map | LeRobot のカメラフィールドから Spirit の 3 カメラへのマッピング | 自動推論 | JSON |
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 Spirit のログ形式で指標を解析し、曲線を描画します。
| 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 |
| total_steps | 設定したトレーニング総ステップ数 | steps と一致 |
| loss | トレーニング損失 | 全体として低下 |
| learning_rate | 現在の学習率 | スケジュールに従って変化 |
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 | 出力ディレクトリ配下の spirit_train/ |
| 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 step、loss、learning_rate を描画します |
| 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 |
Spirit はトレーニングと推論が分離されており、デプロイにはプラットフォームの推論サービスを使用します。「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が可能です。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 |
|---|
| 変換時に 3 系統のカメラが不足していると表示される | LeRobot データに識別可能なカメラフィールドがない | camera_map で 3 系統のカメラフィールドを明示的にマッピングする | アルゴリズムエンジニア |
変換時に observation.state の次元が不足していると表示される | 状態が 8 次元未満、またはエンドエフェクタ姿勢ではなく関節角である | 7 次元のエンドエフェクタ姿勢と 1 次元のグリッパ幅からなる状態ベクトルを用意する | アルゴリズムエンジニア |
| 重みディレクトリが利用できない | 指定したディレクトリに model.safetensors または config.json がない | イメージに組み込まれた基盤重みを使用するか、完全なディレクトリを指定する | 管理者 |
| GPU メモリ不足 | batch_size または num_workers が大きすぎる | batch_size と num_workers を下げる。マルチ GPU トレーニングに切り替える | アルゴリズムエンジニア |
| 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 | 入力ディレクトリが RoboChallenge レイアウトでも変換可能でもない | meta/info.json とディレクトリ構造を確認してからデータセットを選び直す | プロジェクトマネージャー |
| 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