master

cann-robot[feat] 新增昇腾服务器上NMR非线性机器人控制模型推理与训练

4354c608创建于 11 天前历史提交

文件	最后提交记录	最后更新时间
LQC	[docs] 修改仓库名字为 cann-recipes-embodied-ai Co-authored-by: chenhongyang<chenhongyang6@huawei.com> # message auto-generated for no-merge-commit merge: !80 merge master into master [docs] 修改仓库名字为 cann-recipes-embodied-ai Created-by: chenhongyang Commit-by: chenhongyang Merged-by: cann-robot Description: # Pull Request 模板 ---- ## 描述 请提供此Pull Request的预期功能，以方便检视。 ## 类型 - [ ] Bug 修复 - [ ] 新功能 - [ ] 重构（即不是新增功能，也不是修改bug的代码变动） - [ ] 构建过程或辅助工具的变动 - [x] 文档内容更新 ## 如何测试 描述测试这个变更的步骤，包括哪些文件需要被修改。 ## Checklist: - [ ] 我的代码遵循这个项目的代码风格 - [ ] 我已经自己测试过我的代码 - [ ] 我已经更新了相应的文档 - [x] 我已经在标题中正确使用了类型标签（例如：feat, fix, refactor, docs, test） ## 其他信息 在这里可以添加任何与这个 Pull Request 相关的其他说明。 See merge request: cann/cann-recipes-embodied-ai!80	20 天前
NMR	[feat] 新增昇腾服务器上NMR非线性机器人控制模型推理与训练 Co-authored-by: zhao47<3249933855@qq.com> # message auto-generated for no-merge-commit merge: !52 merge upload into master [feat] 新增昇腾服务器上NMR非线性机器人控制模型推理与训练 Created-by: zhao47 Commit-by: zhao47 Merged-by: cann-robot Description: 关联 RFC：[[RFC] 昇腾服务器上NMR非线性机器人控制模型推理与训练](https://gitcode.com/cann/cann-recipes-embodied-intelligence/issues/35) ## 描述 本 PR 面向 Neural Motion Retargeting 项目，补充并固化从数据准备、分阶段训练到推理部署的完整工程链路说明，重点覆盖华为云昇腾环境下的可复现落地流程。覆盖以下核心能力： 1. 两阶段模型训练链路规范化：明确 VQ-VAE 分词器（G1 与 SMPL-X）分别训练、主模型 Transformer 依赖冻结分词器权重的训练方式，统一关键超参与配置入口，降低训练阶段配置漂移风险。 2. 昇腾分布式训练流程收敛：提供基于 dist_train.sh 与 dist_train.py 的多卡启动方式，并补充 ModelArts 作业创建、引擎版本选择、代码目录映射与输出参数配置，确保在 Ascend 集群可稳定启动。 3. 评估与推理闭环说明：打通训练后评估（dist_test.sh / tools/test.py）与端到端推理（tools/inference.py）流程，给出输入输出格式与关键参数示例，保障模型结果可验证、可复用。 4. 依赖与资产落位约束：明确 GMR 子模块、SMPL-X 与 G1 预训练资产的下载来源和目录结构，补充快速校验命令，减少因路径错误、资产缺失导致的运行失败。 ## 类型 - [ ] Bug 修复 - [x] 新功能 - [ ] 重构（即不是新增功能，也不是修改 bug 的代码变动） - [ ] 构建过程或辅助工具的变动 - [x] 文档内容更新 ## 如何测试 测试步骤： 1. 环境与依赖准备：在项目根目录拉取 GMR 子模块到 tools/GMR，并检查远端来源正确。详细拉取见README.md ```bash cd tools git clone https://github.com/YanjieZe/GMR.git ``` 2. 数据与配置检查：修改工作配置中的训练/测试数据路径，确认 TRAIN_SPLIT_FILE 与 TEST_SPLIT_FILE 指向可访问数据；如需后训练，配置 load_from 为已有 checkpoint。 3. 训练信息配置：先完成数据路径、LOAD_FROM、分词器权重等训练配置检查，再确认 VQ-VAE 与主模型的超参入口一致；详细流程见 README.md。 4. 昇腾平台训练：在华为云昇腾环境启动训练，优先使用分布式脚本完成多卡训练；详细流程见 README.md。 涉及的文件： - 文档：README.md - 分布式启动：tools/dist_train.sh,tools/dist_train.py - 训练信息配置：configs/retarget_fwd.py ## Checklist: - [x] 我的代码遵循这个项目的代码风格 - [x] 我已经自己测试过我的代码 - [x] 我已经更新了相应的文档 - [x] 我已经在标题中正确使用了类型标签（例如：feat, fix, refactor, docs, test） ## 其他信息 - 运行环境建议：Ascend-Powered-Engine / pytorch_2.7.1-cann_8.3.rc1-py_3.11-euler_2.10.11-aarch64-snt9b。 See merge request: cann/cann-recipes-embodied-ai!52	11 天前